基于无人机和图像缺陷识别算法的输电线路巡检系统研究

人工巡检输电线路具有效率低、危险性高等问题,文中基于无人机和图像缺陷识别算法,设计并开发了一套输电线路巡检系统。该系统利用无人机巡检输电线路,在自主避障的同时,将高清图像传输回地面站;地面站通过图像缺陷识别算法,经过图像预处理、特征分析、识别等操作,智能识别输电线路的散股、绝缘子自爆等缺陷。经过长期反复测试,该系统运行稳定、操作简单、检测效果良好,能够有效提高输电线路巡检的效率,并降低巡检难度及危险性,具有一定的实用价值。

基于边缘计算的机巡图像缺陷识别算法研究

机巡图像识别算法(Faster R-CNN算法)存在识别精度低的不足,为此提出基于边缘计算的机巡图像缺陷识别算法。通过对机巡图像缺陷特征提取,再利用RPN网络获取目标候选区域,利用边缘计算优化Faster R-CNN算法,在此基础上,实行Faster R-CNN训练,再通过正负样本和损失函数对目标区域实施精确分类,从而识别出机巡图像缺陷,至此完成基于边缘计算的机巡图像缺陷识别算法研究。通过与传统算法、未经优化的Faster R-CNN算法作对比实验,实验结果表明,提出的基于边缘计算的机巡图像缺陷识别算法能更有效地识别机巡图像缺陷。