基于改进YOLOv7的输电线路异物检测模型

针对输电线路异物检测中存在背景干扰、图像分辨率低且异物尺度变化大等问题,提出了一种基于改进YOLOv7的输电线路异物检测模型。首先,通过空间深度卷积(space to depth conconvolution,SPD-Conv)和多维协作注意力(multidimensional collaborative attention,MCA)机制构造新的骨干网络,加强模型对低分辨率图像特征提取及抑制背景干扰的能力,同时增加对小目标异物的关注度。其次,使用幻影卷积(ghost convolution,Ghost-Conv)改进高效分层聚合网络(efficient layer aggregation network,ELAN)的输出部分,大幅降低模型的计算量。最后,基于可伸缩交并比(scalable intersection over union,SIoU)优化损失函数,进一步提高模型的训练速度和鲁棒性。实验结果表明,所提模型在输电线路异物检测数据集上平均精度均值(mean average precision,mAP)达到95.98%,高于其他主流对比模型,同时每秒帧数(frames per second,FPS)达到64,满足输电线路异物的实时性检测。

高压变电站多维度综合监测智能诊断系统的设计

社会的不断进步和现代化工业的发展,让人们对电能的依赖程度越来越高,输变电网建设规模进一步扩大.因此,社会对电网设备的稳定性要求逐步增高,变电站作为电能分配、输送的重要场所,设备状态监测和检修具有重要意义.精准、高效的故障诊断技术,可以实现对变电设备运行状态的实时监控,提升设备运行的安全性和可靠性.鉴于此,本文对高压变电站多维度综合监测智能诊断系统的设计进行研究.