基于差分演化算法的摄像机高精度标定

摄像机标定是机器视觉中的关键问题之一。为了提高摄像机的标定精度,提出了一种基于差分演化的摄像机标定算法。采用针孔模型和二阶畸变模型作为标定模型;用单位四元数表示世界坐标系与摄像机坐标系之间的旋转矩阵以减少需要标定的参数;采用透视不变性原理计算圆形靶标的中心,得到标定点的精确三维世界坐标;将针孔模型计算出的理想图像点与畸变模型计算出的重建图像点的位置差定义为目标函数,采用改进的差分演化算法,通过种群的遗传操作和变异操作求出摄像机的内外参数。测试结果表明,基于差分演化的摄像机标定的最大误差小于0.5 pixel,其标定精度高,标定速度快,且对初始值的依赖程度小,方法具有很强的实用性。

基于计算机视觉的芒果检测与分级研究

针对目前芒果的外观品质分级主要采取人工方法所存在的不足,提出了一种基于计算机视觉和极限学习机神经网络(ELM)模型的芒果分级方法。首先,利用图像处理方法对拍摄的芒果图像进行预处理;然后,根据芒果的外观特征提取芒果面积、等效椭圆长短轴之比、H分量均值和缺陷面积所占百分比4个特征参数,作为模型的输入向量,并以芒果的3个等级级别为模型输出向量。在模型的建立过程中,采用粒子群优化算法(PSO)对ELM随机给定的输入权值矩阵和隐层阈值进行寻优,最后以实验获得的数据对模型进行训练和测试。结果表明:使用粒子群算法优化后的极限学习机模型(PSOELM)与单纯的ELM、传统的BP和SVM相比,具有更高的分级精度,为水果的等级分级提供了一种新的方法。

磷酸铁锂电池的SOC预测

电池荷电状态(SOC)准确预测是电池管理系统的关键任务。针对过去电池SOC预测精度低等问题,提出了一种采用极限学习机神经网络(ELM)的预测模型,以电池电压和电流作为模型的输入量,SOC作为输出量。在建模过程中,采用粒子群优化算法(PSO)对ELM随机给定的输入权值矩阵和隐层阈值进行寻优,降低了随机性给模型造成的影响,提高了模型预测精度。利用实验采集的数据进行模型训练和预测,结果表明,用粒子群算法优化后的极限学习机模型(PSOELM)与单纯的ELM以及传统的BP和SVM相比,具有更高的预测精度和泛化性能。为磷酸铁锂电池的SOC预测提供了一种新的方法。

浅谈水电厂无人值班(少人值守)运行模式的实际应用及成效

无人值班(少人值守)运行模式是指电厂发电运行由集控中心在远程进行控制操作并监视运行,电厂现场无人值班监盘,仅安排有少人在现场指定地点值守待命,在紧急情况下可以按规定时间快速到达现场进行应急处置。随着水电厂值班方式的改革和发展,无人值班(少人值守)运行模式应运而生。近年来,国家积极推进水电厂的建设和现代化改造,梯级或区域水电厂越来越多,无人值班(少人值守)运行模式有着极大的市场潜力和市场需求,是实现智慧水电的关键一环。

赓续红色基因助推企业高质量发展的实践探索

红色基因是国企精神的核心元素,是国有企业攻坚克难、奋勇前进的强大精神力量和宝贵财富。广西桂冠电力股份有限公司大化水力发电总厂(以下简称大化总厂)聚焦红色基因传承,注重企业精神培育,在弘扬伟大建党精神中,总结提炼出“红线钳”创业精神,并用“红线钳”精神引导人、教育人、带动人,激发出广大干部职工奋进“二次创业”的磅礴力量。