基于改进SSD算法的输电线异物附着故障检测识别技术研究

近年来,我国电力系统紧跟科技前进步伐,得到了空前发展。因而为保证输电系统的稳定运行,对输电线异物附着故障的检测识别方法成为电力行业相关人员的研究热点。为了对输电线异物附着故障进行有效地识别检测,从而提高电力巡检效率,本文结合输电线异物附着故障图像特点,对常见SSD算法(Single Shot MultiBox Detector)进行有效改进,将VGG16特征提取网络替换为ResNet50,并针对原模型在小目标检测中的不足,设计并应用了特征融合模块,且对1241张输电线异物附着故障图像进行数据扩充并制作成包含5000余张图像的数据集,由此训练出目标检测网络模型,最后训练数据集的均值精度mAP (mean Average Precision)在97%左右,达到了故障检测准确性的要求。

PCB阻焊表面异物附着原因分析及改善

随着集成度和产量不断提高,客户对PCB表观质量要求也越来越严格,其中阻焊油墨表面异物附着对产品性能及成品使用安全有着极大的重要性,这会导致PCB的制造成本增加。文章从人、机、物、法、环等方面考虑,充分展示产生问题的原因,避免遗漏,将每条原因分析到末端,以便直接采取对策实施改善,从而提高产品质量,降低公司成本及客户反馈率。

基于无人机图像的输电线断股与异物缺陷检测方法

为提高无人机(UAV)巡检输电线路的效率,提出一种基于线结构感知的输电线断股与异物缺陷的检测方法。由于无人机巡检的图像受背景纹理及光线影响较大,采用能检测线宽度的水平与垂直方向的梯度算子提取巡检图像上的线对象,进而研究感知定律中的共线性、近似性、连续性的计算,将断续线段连接成长的线段,通过长线段的平行性计算,识别出输电线路结构中显著的平行导线组。为识别导线上安装的防振锤与间隔棒连接部件,提出一种基于局部轮廓特征的形状部件识别方法。在识别出这些连接部件的基础上,对导线进行分段分析,计算分段导线的宽度变化、灰度相似度来检测导线上的断股与异物缺陷。通过对无人机巡检采集的输电线路图像的测试,验证了这种方法在复杂的背景条件下能有效地检测导线上断股与附着异物缺陷。