基于华为5G微波组网无人区可视化输电线路运维管理模式的变革

分析目前输电线路运维困难原因,并提出采用华为5G微波组网无人区通信解决方案解决无人区信号覆盖问题,实现输电线路的图像、微气象、覆冰和塔体状态等运行状况数据可靠、及时地获取。

利用混合网络架构实现可视化输电线路

分析了利用混合网络架构实现可视化输电线路实施方案中所需要的技术及设备。为解决输电线路维护的问题,提供了可行的技术实施方案。展望了可视化输电线路的未来发展前景。

基于激光雷达与LiEarth平台的输电线路三维可视化方法

传统方法去噪处理,存在能耗高、传输时间长和故障数据可视化时间长的问题,为此提出基于激光雷达与LiEarth平台的输电线路三维可视化方法。采用激光雷达对LiEarth平台的输电线路进行数据采集,利用小波阈值对具有噪声的数据进行阈值计算,采用小波阈值法对计算完成的数据进行去噪,依据去噪结果,构建三维可视化模型,采用粒子群算法对该模型进行求解,以此实现LiEarth平台的输电线路三维可视化。实验结果表明,该方法的实用性强、有效性高。

结合场景分析的输电线路通道可视化分级预警研究

针对输电线路横跨地域广,输电通道中隐患目标多的问题,提出了输电线路通道可视化分级预警模型。首先改进深度残差网络提取输入图像的多光谱信息,通过软阈值化来减少噪声影响,提高输电线路通道场景分析模型的准确度;然后利用YOLOv3目标检测算法构建输电线路通道隐患目标识别模型,针对隐患中的烟雾、施工车辆目标小的问题,采用难负样本挖掘策略,减少图片背景的影响,再根据输电线路通道的分级预警结构构建分级预警模型。研究结果表明,结合场景分析的输电线路通道可视化分级预警模型能够科学、准确地反映出输电线路通道的隐患预警状态,为输电线路运行维护工作提供指导。

基于YOLO-V5的输电线路可视化中视觉分析关键技术的研究及应用

为解决输电线路巡检中以往单一的人工巡线模式和传统视频监控模式实时性、准确性差的问题,本文探索了一种基于深度学习框架YOLO-V5的输电线路隐患目标检测算法,该算法能够对输电线路存在的各类隐患进行较为准确的预警。本研究在对17386张包含各类输电线路隐患的图像进行细致化标注与图像扩增后,使用YOLO-V5在COCO数据集上的预训练模型进行训练,并经过两次学习率的调整后得到最终收敛的模型。该模型在对包含6933张各类输电线路隐患图像和无隐患图像的测试集进行分析后,最终预测结果表明综合准确率为79.10%,综合召回率为73.45%,漏检率为3.93%,误检率为4.97%。本文所提出的隐患识别模型可以对输电线路隐患进行实时识别,识别准确率较高,误报、漏报率较低,能够有效提升输电线路运检效率。