无人机巡检图像识别算法研究和系统设计

针对当前无人机巡检图像识别匹配度低、精度差的问题,对无人机巡检系统进行设计,并对图像识别算法进行研究。对无人机巡检系统工作流程和系统结构进行了分析,利用快速无人机景象匹配算法对巡检图像进行识别。利用景象匹配算法流程对场景图片进行预处理和图像特征点提取。在所得的特征点基础上建立了描述符,从而得到了准确的地图坐标。对不同算法描述子选择结果进行分析,并对目标特征点的检测精确度进行分析。研究结果表明:快速景象匹配算法较其他算法图像识别匹配精度高,识别特征点多,准确率接近96%。快速景象匹配算法可以准确、快速地匹配到正确的目标区域。该设计在一定程度上提高了无人机巡检图像识别精度。其创新性在于将快速景象匹配算法应用到了无人机景象匹配系统中,拓宽了无人机巡检技术研究方法,为后续图像处理方案设计提供方法借鉴。

基于免疫遗传算法的小水电配电网无功优化

针对目前应用于电力系统无功优化的智能算法所存在的问题,提出将免疫遗传算法应用于电力系统无功优化问题的措施。免疫遗传算法是将免疫理论和基本遗传算法各自的优点相结合,不仅具有遗传算法的搜索特性,还具有免疫算法的多机制求解多目标函数最优解的自适应特性,对"早熟"问题有所改善,收敛于全局最优。最后,以安康市某区域电力系统为例对算法进行了性能测试,提出了合理的调压措施,结果表明将免疫遗传算法应用于电力系统无功优化问题可以显著降低系统网损,改善电压质量。

基于机器视觉应用的电力设备识别技术研究

电力行业作为社会与经济建设中的中流砥柱,推动电力行业高质量发展就成为助力社会经济发展的主要因素。电力系统是否能够安全、稳定的运行,直接关系到国民经济的发展。各种电力设备在日常运行的过程中极为容易受到各种因素的干扰,一旦电力设备发生故障,极为容易影响电力系统整体的稳定性。对于当前复杂的电力系统来说,如果仍旧沿用传统人工巡检模式,不仅效率无法满足要求,同时也会造成大量的人力、物力、财力浪费,且极为容易因为人工巡视不到位,导致一些潜在问题没有及时发现的问题。机器视觉技术的应用,能够综合利用图像信息技术针对有关数据进行分析,基于机器视觉进行电力设备识别,能够真正建立智能化、自动化的监测系统。鉴于此,本研究主要围绕基于机器视觉应用的电力设备识别技术进行了阐述,并分析了基于机器视觉应用的电力设备识别系统的构建方法,仅供参考与借鉴。