基于人工智能图像识别的输电线路巡检研究

为了准确、及时地发现输电线路中的缺陷,研究基于人工智能图像识别技术的输电线路立体化巡检模式。具体地,以人工智能图像识别技术为支持,借助K-means算法对立体巡检图像进行聚类处理,同时,采用人工神经网络对图像中输电线路缺陷进行智能识别。经测试,在相同工作量下,未采用本文所提技术的输电线路缺陷识别需要5个分析员持续工作15 d,平均每分钟进行2~3张图片的识别,图像识别速度为20~30 s/张;采用人工智能识别技术,识别速度高达0.25 s/张,仅需3.6 h便可以将识别任务完成。在弱光环境下,经过增强处理的图像边缘更加清晰,目标图像与背景实现明显分界,且现阶段可利用输电线路中相同部件不同角度的7张图片实现高于90%的识别准确率。另外,通过对相同条件下其他几种方法影响模型实际收敛情况的比较发现,所有方法的重构误差均呈现出逐渐降低之势,最终都趋于稳定。结果表明本文技术在立体化线路图像缺陷检测中有一定普适性,有利于工作效率的显著提升。

电力系统中人工智能图像识别技术的研究分析

基于人工智能图像识别技术处理要求,完成图像预处理、图像特征提取和图像匹配分类。利用人工智能图像识别技术要点辅助电力系统开展相应工作,建立SF6气体泄漏激光识别技术系统、红外热像仪成像技术、输电线路巡视图像智能分析平台,有效解决了电力系统中相关参数的实时性管理问题,极大程度上提高电力系统安全监督管理的实效性。

人工智能图像识别技术在架空输电线路巡检业务中的应用

随着计算机技术的不断发展,人工智能成为当前发展的全新方向。本文主要就人工智能图像识别技术在架空输电线路巡检业务中的应用展开研究,希望能进一步提升架空输电线路巡检业务质量的水平。

人工智能口腔实景图像识别技术用于龋齿筛查的效能研究

目的基于人工智能(AI)图像识别技术,评估智能手机(Sp)和数字化单反相机(DSLR)两种设备采集的口内实景照片用于龋齿筛查的效能研究。方法建设“益生牙kid”AI龋齿筛查云平台,通过AI图像识别深度学习算法不断迭代学习口腔临床医生筛查龋齿的方法,并用混合矩阵验证其识别效果。使用Sp及DSLR两种设备,同时采集27位受试者口内照片。每位受试者按照采集标准,Sp和DSLR分别获取3张、5张不同牙位照片,两组照片提取上传至龋齿筛查云平台,分别获得359、480个牙位龋齿筛查结果。受试者同时接受口腔医师使用WHO龋齿分级评判标准进行临床龋齿筛查。采用敏感度、特异度及曲线下面积(AUC)等作为AI龋齿图像识别效果的评价指标。结果混淆矩阵结果显示低风险早期龋和高风险成洞龋识别准确度高达90%以上,而中风险釉质轻度缺损龋齿识别准确度仅为32%。口腔医师采用WHO龋齿评判标准与AI筛查龋齿结果比较,Sp拍摄的口内照片诊断龋齿敏感度、特异度及AUC值分别为75.6%、85.8%及0.849;DSLR拍摄的口内照片诊断龋齿敏感度、特异度及AUC值分别为80.0%、86.2%及0.859。结论AI口腔实景图像识别龋齿筛查技术与临床医生龋齿诊断结果接近。Sp拍摄龋齿照片更便捷高效,与临床DSLR相比筛查正确率接近,实际推广应用价值更高。

架空输电线路无人机远程自主巡检关键技术研究和应用

输电线路无人机巡检已经得到广泛研究和应用。目前的无人机巡检作业中,无论是人工手控巡检还是软件程控巡检,都需要作业人员始终在野外操作并进行大量干预,而且巡检数据不能及时传回处理。针对这些不足,原国网江西赣西供电公司通过研发无人值守技术、远程自主精准降落技术和人工智能图像识别技术等关键技术,构建了无人机远程自主巡检系统,实现了输电线路巡视、数据传输处理分析全过程无人自主化。

共享单车发展存在问题及解决方案研究

为了研究共享单车发展中的乱停车问题,保障共享单车的有序和良性发展,提升解决共享单车乱停放问题的能力,建立一套有效的解决方案势在必行.本文首先简述了共享单车的发展现状,在论述共享单车发展过程中存在问题的基础上,阐明了解决共享单车乱停车难点问题的技术方案及涉及主体的职责.

谈AI技术在AOI中的应用

在印制板制程中广泛应用在线AOI设备进行图形质量检测时,如何提升昂贵的在线AOI设备的使用效率,以及如何在AOI运作过程中应用AI图像识别技术来提高检测效率,成为一个重要课题。本文主要通过分析AOI原理和论述AI的功能来讨论提升检测效率的方法。