基于自适应特征融合和注意力机制的变电设备红外图像识别

针对变电设备红外图像复杂背景下多目标、小目标及遮挡目标识别效果差的问题,该文提出一种基于中心点网络(CenterNet)的变电设备红外图像识别方法。通过将自适应特征融合模块(ASFF)和特征金字塔(FPN)相结合,构建ASFF+FPN结构的特征融合网络,增强了模型对多目标和小目标的跨尺度特征融合能力,排除背景信息;针对网络对遮挡目标特征捕捉能力差的问题,在特征融合网络中添加全局注意力机制,增强目标显著度;为实现模型轻量化,引入深度可分离卷积,减少参数量和推理时间;最后,通过引入分布焦点损失函数,克服了原损失函数对遮挡目标敏感性差的问题,提升了模型收敛速度和识别精度。在包含7种红外变电设备图像的自建数据集上进行测试。实验表明该算法与原始算法相比,识别精度提升了3.55%,达到了95.19%,模型参数量仅为32.52M,与4种主流目标识别算法对比,该算法在识别精度和算法复杂度上具有明显优势。

基于轻量骨干网络和注意力结构的变电设备红外图像识别

变电站设备的实时状态监测对电网的安全稳定运行起着至关重要的作用。为实现复杂背景下变电站设备的快速、准确识别,提出了一种基于轻量型YOLO v5(you only look once v5)的红外图像识别方法。通过在骨干网络中引入Ghost卷积,实现网络轻量化,提升检测速度;并添加基于通道间信息交互策略的注意力模块,排除无关信息,增强目标显著度;在特征融合阶段,结合自注意力的改进C3模块来增强特征捕捉能力,提高网络精度;此外,网络引入Cluster NMS(non-maximum suppression)和EIOU(efficient intersection over union)损失来加速网络收敛。在包含3类变电设备的数据集上进行测试,网络的整体识别精度达到93.80%,速度达到0.0011s/张。与4种经典网络进行比较,实验结果表明,该文方法在提升网络精度的同时将平均耗时降低5.42%,模型的储存大小减少26.38%,能够满足变电站设备识别的准确性和实时性要求,为后续变电设备的故障诊断提供条件。

矿井图像超分辨率重建研究

受井下粉尘大、照度低等环境影响,矿井图像存在分辨率低、细节模糊等问题,现有的图像超分辨率重建算法应用于矿井图像时,难以获取不同尺度图像信息、网络参数过大而影响重建速度,且重建图像易出现细节丢失、边缘轮廓模糊、伪影等问题。提出了一种基于多尺度密集通道注意力超分辨率生成对抗网络(SRGAN)的矿井图像超分辨率重建算法。设计了多尺度密集通道注意力残差块替代SRGAN原有的残差块,采用2路并行且卷积核大小不同的密集连接块,可充分获取图像特征;融入高效通道注意力模块,加强对高频信息的关注度;采用深度可分离卷积对网络进行轻量化,抑制网络参数的增加;利用纹理损失约束网络训练,避免网络加深时产生伪影。在井下数据集和公共数据集上对提出的矿井图像超分辨率重建算法和经典超分辨率重建算法BICUBIC,SRCNN,SRRESNET,SRGAN进行实验,结果表明:所提算法在主客观评价上总体优于对比算法,网络参数较SRGAN减少了2.54%,峰值信噪比与结构相似度较经典算法指标均值分别提高了0.764 dB和0.05358,能更好地关注图像的纹理、轮廓等细节信息,重建图像更符合人眼视觉。

基于图像特征的火灾火焰识别方法

针对火灾火焰识别算法复杂和对环境要求高的特点,提出了基于图像特征的火灾火焰识别方法。首先采用颜色模式预判断火灾图像,排除不具有火焰颜色的物体,然后采用图像灰度化和二维熵最大阈值法进行预分割,得到火焰疑似区域,再通过提取火焰纹理特征和形状特征等对火焰图像进行分析、决策,最终判断出是否有火焰产生。实验结果表明,该方法具有较高的探测率,能降低误报漏报率且抗干扰能力强。

基于红外弱目标提取的绝缘设备故障检测研究

针对红外图像中背景与目标的复杂性和多样性给变电站绝缘套管状态监测带来的困难,提出基于红外弱目标提取的检测方法。首先进行二维小波分解,将低频分量进行Retinex理论增强,其余高频分量进行局部方差映射,完成小波重构后进行对比度增强,最后实现基于分步双阈值的目标提取。实验结果表明,该方法不仅改善了绝缘套管局部过热区域的红外图像的处理效果,还实现了过热点及其连带过热区域的提取和区分。

煤矿外因火灾早期探测方法研究

针对煤矿井下环境特点,提出了基于数字图像处理和支持向量机的煤矿外因火灾早期探测方法。该方法根据火灾初期的变化特征,用图像处理方法提取温度变化率、面积增长率、火焰闪烁频率和整体稳定性等特征值,并将其作为输入信号,利用支持向量机进行数据融合后实现火灾探测。实验结果表明,该方法能够对煤矿井下高危火源和干扰信号进行分类识别,具有探测率高、误判率低、实时性好、鲁棒性强的特点。

基于特征融合的图像型火灾探测方法

针对传统火灾探测中灵敏度不高、响应慢的问题,提出一种基于特征融合的图像型火灾探测方法。结合火焰的颜色、运动以及闪烁特征,检测出疑似火灾区域中的火焰像素,排除非火焰像素,并用支持向量机对疑似火焰像素进行验证,采用形态学方法和区域融合判断出火灾区域。实验结果表明,该方法对多种火灾和非火灾场景具有较好的适应性、较强的抗干扰能力以及较高的探测率。

煤矿井下图像型早期火灾探测

针对煤矿井下传统火灾探测方法的不足,提出了一种基于图像型的火灾探测方法,阐述了对所获取的红外图像进行预处理、特征提取和火灾识别的过程。根据早期火灾的特点,通过提取图像序列中多个参数的火灾信息,并将量化后的火灾特征值输入支持向量机,对支持向量机进行分类器训练,再利用训练好的分类器对火灾和干扰物进行分类识别。实验结果表明:该方法探测正确率高,误判率低,抗干扰能力强,对于小样本的非线性分类问题效果较好。该研究成果对煤矿外因火灾的预防具有一定实际意义。

低照度室内烟雾的计算机视觉检测方法

为实现低照度室内火灾的早期预警,提出一种计算机视觉检测方法。通过摄像头获取图像,采用自适应中值滤波对图像进行去噪,采用直方图均衡化进行增强,并采用基于改进学习率的混合高斯模型提取烟雾区域,对所提取烟雾的纹理特征、运动方向特征以及面积特征进行融合,采用基于支持向量机的识别算法对烟雾与干扰物进行分类检测。实验结果表明,该算法可以有效区分烟雾与干扰物,有较高的识别率与鲁棒性。

基于图像型的煤矿早期外因火灾预测及识别方法研究

针对传统煤矿井下火灾预测易受环境影响的不足,文中提出了一种基于图像型的煤矿外因火灾预报方法。文中基于火灾图像特征根据运动检测提取出疑似火灾区域,再根据颜色决策排除掉不具有火焰颜色的物体,最后再利用离散分形布朗增量场进行识别。实验结果表明,该算法对于小样本、非线性的分类问题效果显著,该法能较好地将煤矿井下的火源与干扰源区别开来,有较高的识别率和较强的鲁棒性,可降低误报、漏报。

煤矿烟雾的计算机视觉检测方法

针对煤矿井下传统火灾探测器在检测烟雾时受空间限制的局限性,提出计算机视觉和多特征加权融合的烟雾检测方法.通过基于模糊逻辑的图像增强方法对图像进行增强以改善所获取的图像质量,再通过混合高斯模型实现对疑似运动目标区域的提取.在充分分析烟雾图像特征的基础上,基于统计模式的方法实现了烟雾静态特征、动态特征的提取,利用加权的方法将烟雾图像特征融合起来,实现对烟雾的在线检测.研究结果表明:该方法不受环境、探测距离等因素限制,可有效克服煤矿井下低照度、有光照变化以及视频图像有噪声等特点,且无需对分类器训练,该法具有简单、灵敏度高、实时性强、检测率高等特点.

基于自适应双通道先验的煤矿井下图像去雾算法

针对暗通道先验算法在处理煤矿井下图像时存在的图像失真、细节不足和图像暗光等问题,提出了一种基于自适应双通道先验的煤矿井下图像去雾算法。首先,根据大气散射物理模型与煤矿井下特殊环境,建立了煤矿井下尘雾图像退化模型。然后,融合暗通道与亮通道建立双通道先验模型来优化透射率,并加入自适应权重系数来提高透射率图的精度,采用梯度导向滤波代替传统导向滤波对透射率图进行细化处理。最后,结合矿井环境改进大气光值求取方法,根据尘雾图像退化模型复原图像。实验结果表明:该算法能够有效去除图像中的尘雾现象,避免了光晕模糊和过增强现象;相较于暗通道先验算法、Retinex算法、Tarel算法,该算法大幅提升了图像信息熵与平均梯度,使复原后图像的细节信息更加丰富,同时缩短了运行时间。

基于图像型的火灾烟雾检测技术研究

为了提高基于图像型火灾烟雾检测的准确性和实时性,提出了一种基于支持向量机的火灾烟雾检测方法。首先对图像进行增强处理,再通过累积差分法对运动区域进行检测,再基于烟雾的扩散性,对烟雾和干扰源进行初判,然后对提取的目标区域进行特征提取,最后基于支持向量机对烟雾和干扰源进行分类检测。仿真实验结果表明,该方法具有较好的鲁棒性和较高的识别率。

基于PCA-BO-XGBoost的矿井回采工作面瓦斯涌出量预测

针对矿井回采工作面瓦斯涌出量预测精度欠佳的问题,建立基于极端梯度提升(XGBoost)瓦斯涌出量预测模型。首先,为解决瓦斯涌出量影响因素维数高和信息冗余等问题,在预测模型中引入主成分分析法(PCA)对11种影响因素降维。其次,通过贝叶斯优化算法(BOA)对XGBoost中超参数进行优化以提高预测模型的精度。最后,将训练集数据作为预测模型的输入进行训练,利用训练好的模型对测试集数据进行验证,并与传统的BP神经网络和支持向量机进行对比。结果表明:PCA-BO-XGBoost模型的平均绝对误差为0.0703,均方根误差为0.0957,能够满足对瓦斯涌出量预测的精度要求。与其他机器学习算法相比,建立的模型预测精度更高、耗时更短、效率均更高,对煤矿井回采工作面瓦斯涌出量的预测精度和效率提升具有借鉴作用。

基于颜色特征的低照度林火图像分割方法

在一些光照强度较低场的场景下,用一般方法直接分割火焰的效果不佳。针对这一问题,提出基于颜色特征的低照度林火图像分割方法。在HSV空间的V通道上,对原始图像进行直方图均衡化;分别分析火焰像素在RGB与YCbCr空间的特征,以此为依据对火焰进行分割;将二者结果相融合,得到完整的火焰图像。通过与MCC参数、F1-score参数和HAF参数进行对比,证明此算法对火焰像素的检测率更高,分割效果更好,且具有很好的抗干扰性。

基于引导滤波的多尺度自适应矿井低质图像增强方法

由于矿井中复杂的环境和光照条件,采集到的图像往往模糊不清,信息量不足。针对矿井低质图像中存在的问题,提出一种基于引导滤波的多尺度自适应图像增强方法。首先,利用具有良好保边特性的引导滤波将原始图像分解;根据对比度受限的自适应直方图均衡化来调整基础层的对比度,然后结合梯度域内改进的直方图均衡化和多尺度的细节增强调整细节层,减弱背景干扰;最后,鉴于图像线性重构时人工设置融合参数,处理效率低下且增强质量较差的问题,通过灰狼寻优算法进行自适应的参数选择,并引入加权思想,构造一种基于信息熵和峰值信噪比的适应度函数作为最终图像增强效果的评价指标。与经典的图像增强方法结果相比较,该方法将信息熵、峰值信噪比和结构相似度分别提高5.10%,5.43%和12.51%,在提高图像整体的对比度和清晰度的同时丰富细节信息,有效改善图像质量。

矿用本安型开关电源的稳定性研究

鉴于煤矿井下环境的特殊性,矿用本安开关电源须稳定可靠,以降压型开关变换器为例,并基于输出电压包络和电感电流的波动频率远低于变换器的开关频率的假设,通过建立输出电压的2阶微分方程,对连续导电模式下变换器的稳定性进行了理论分析,根据胡尔维茨稳定判据得出了系统稳定和产生低频波动的条件。采用SPICE仿真验证了前面的理论分析,结果表明,前述理论是正确的。

矿用本安电源的动态特性分析

矿用本安电源起动和输入电压突变时,输出电压会有过冲现象,易引起电气设备的安全性。以PWM控制的buck变换器为例,以电感电流包络和输出电压包络为变量建立微分方程,对连续导电模式下变换器的动态特性进行了理论分析,得出了过渡过程中输出电压存在振荡和过冲现象的条件,并推导出了振荡频率和过冲电压发生时刻及幅值。最后通过仿真和试验验证了理论分析的正确性。

输入电压突变时矿用本安电源的动态特性研究

鉴于煤矿井下封闭、可燃性气体多,矿用本安电源及各种电气设备均须稳定可靠。针对输入电压突变时产生的过电压或过电流易引发电火花等危险,以降压型buck变换器为例,对连续导电模式下变换器的输出电压的动态特性进行了建模分析,探索了开关变换器的设计准则,得出了系统产生过冲电压的条件、幅值及频率,并利用PSPICE仿真和实验进行了验证。结果表明理论分析是正确的。

本质安全型矿用开关电源的数字仿真

矿用本安型开关电源是本安型电气设备的最关键组成部分。针对矿用本安电源反馈回路中含滞后环节时,输出电压会含有一些远低于开关频率且幅度较大的纹波,造成输出电压不稳定,开关变换器效率降低,负载可靠性变差,为解决以上问题,对开关电源模块进行研究,提出一种新的变换器设计方案,利用PSPICE对变换器进行了仿真。该设计不仅可以提高变换器的整体性能,而且可使变换器的输出达到最优。对于其他形式的变换器此法可以推广应用。