基于图像增强识别的风电场巡检机器人设计

为实现风电场巡检机器人全面代替人工巡检,对电站设备进行实时监测。研究利用迭代最近点法和红外与可见光的图像处理生成云匹配电子地图。然后利用遗传算法巡检任务路径进行规划。最后利用图像增强识别技术识别巡检设备。由此设计了基于图像增强识别的风电场巡检机器人。实验得到,平均识别准确率为95.54%,规划路径平均长度为345 m。由此可分析出,巡检机器人能够实现高效且准确的风电场巡检任务,为电站建设提供技术支持。

卫星林火监测关键技术研究及应用前瞻

卫星林火监测主要使用1000 m分辨率的热红外通道数据,由于受空间分辨率的制约,遥感图像上所能表达的火点及火环境的信息有限,制约了卫星数据的应用深度和广度。针对以上难题,开展卫星监测图像信息增强和提取、可视化超分图像处理、林火自动化识别等研究。初步研究表明:利用计算机模拟传感过程并再成像,可以将1000 m分辨率的遥感图像重构为90 m分辨率的图像,与原图像相比,取得了火点、火环境的超分显示。我们认为,该关键技术突破后,卫星遥感技术将在林火探测、火场态势监测、火险测报预警、火蔓延预报、扑救辅助决策支持、航空消防辅助管理中取得应用拓展,卫星遥感技术将逐渐成为森林火灾监测、预警和火险预报中的主导技术;人、财、物力消耗巨大的地面视频监控,基于野外人海战术的巡护瞭望,将被高效和经济可靠的卫星监测技术所替代。