基于YOLO v4的松材线虫病变色木自动检测

【目的】对受松材线虫病影响的树木进行快速、高效和精确的检测。【方法】利用深度学习技术中的YOLO v4(you only look once version 4)目标检测模型,对高分辨率影像中的松材线虫病变色木进行检测,并与SSD(single shot multibox detector)模型进行对比。【结果】YOLO v4模型的检测精度较高,精确度(P)为0.961 3,召回率(R)为0.764 9,F1分数为0.851 9。【结论】YOLO v4可准确地识别和定位松材线虫病变色木,且精确度比SSD高。

多旋翼无人机电力线路巡检及树障研究

进行电力线路巡检及树障分析时,可以强化多旋翼无人机在其中应用力度,降低电力线路巡检难度,并根据电力线路巡检结果和树障分布情况做好区域电网布设工作。本文将对电力线路巡检予以研究,简要概述多旋翼无人机及其作用,并根据电力线路巡检及树障分析要求对多旋翼无人机在其中的实际作用展开研究。将多旋翼无人机在电力线路巡检及树障分析中的作用表现出来,为电力线路巡检及区域树障分析良性开展提供便利支持。

输电线路多旋翼无人机激光雷达点云数据自动分类技术研究及应用

机载激光雷达技术(Airborne lidar,以下简称LiDAR)、点云数据处理技术的诞生,为地理空间三维数据获取、三维数据处理提供了崭新的技术手段,在很大程度上对输电线路巡视手段进行了丰富,使得点云数据处理、树障隐患处理效率等进一步的提高。精准分类测量点云数据,能够实现树障智能化分析。传统点云数据分类方法其分类的效果并不理想,而且自动化程度相对比较低,分类运算很复杂,很难很好的满足业务的实际需求。因此,本文将在机载激光雷达技术上,然后推出一种全新的点云自动分类算法,能够进一步提升数据处理的效率,提升地理空间三维信息数据的精准获取。

无人机在输电线路灾后排查中的应用

在科技水平逐步加强的新时期,无人机技术也在快速发展,并在输电线路巡检方面得到充分运用,由于地理条件复杂,无人机在其中的运行会明显缓解巡检人员的负担,确保巡检人员安全,然而在输电线路防控灾情方面,无人机的运用还处在试用的起步时期,有关机构应结合实例,对无人机输电线路灾后排查中的融入模式予以深化研讨,以期促使先进无人机与相关专业技术充分联合,确保强化灾情探测、预测的快捷性和精准性。

高压输电线路的无人机电力巡检技术研究

当前,无人机逐渐被推广应用于高压输电线路的电力巡检中,研究无人机电力巡检技术具有十分重要的意义。本文分析了当前无人机技术的发展现状,并结合实际案例,分析了针对高压输电线路的无人机电力巡检技术,以期能为有关需要提供参考。