基于语义信息距离解耦的变电运维多类别缺陷图像检测

变电站设备种类繁多、缺陷类型复杂、特征差异大,传统的基于深度学习的缺陷图像检测模型难以同时有效处理不同设备的多种缺陷。为此,提出了一种基于语义信息距离解耦的缺陷图像检测模型(sematic-distance based decoupling detection model,SDB-DDM)。首先对缺陷类别进行语义信息聚簇,构建解耦式网络结构,然后对网络输出进行加权锚框融合,并在损失函数中加入局部预测损失以提升预测能力,同时提出解耦式非极大值抑制策略以加快模型推理速度。该模型可根据缺陷类别进行自适应调整,以适用变电运维多类别缺陷图像检测的应用场景。实验结果显示,该模型的平均精度均值达到了69.68%。同平台下相较于目前性能最佳的目标检测模型(YOLOX),精度提升了1.36个百分点,参数量下降了5%,推理速度提升了34%。

变电站巡视系统设计与应用研究

设计变电站巡视系统,基于图像分析技术实现机器人和视频摄像机的联合巡视;巡视系统通过与变电站主/辅设备监控系统、一键顺控系统、主站巡视集中监控系统的互联交互,实现与主/辅设备监控系统间的正向联动、反向联动、视频双确认等智能联动。利用机器人机动灵活、视频摄像机巡视效率高的特点,合理规划视频摄像机位置和机器人巡视路径完成巡视布点,最大程度覆盖变电站的巡视范围,提升巡视效率,节省项目投资,有效支撑设备智能巡检、日常运行监控、现场巡检作业、异常故障处置等典型变电运维应用场景,替代人工巡检为远程智能巡检,替代原靠运维人员经验判断的故障分析等手段为主动预警、综合研判、智能诊断与智能决策。