变电站电缆沟多功能智能盖板的研究

电缆沟是变电站内必不可少的基础设施,主要用来放置电缆,保护沟内电缆不受损伤。本文设计了一种变电站电缆沟多功能智能盖板,能够实时观察到电缆沟内的温湿度值及电缆沟图像,实现在线监测功能,有效缩短了电缆沟巡视时间,同时避免了变电站电缆沟事故的发生,提高变电站现场管控能力。

电缆沟智能盖板一体化检测技术研究及应用

城市电网建设中,电缆沟作为输配电中必不可少的基础设施,其运行的环境状态可直接影响到电缆的运行安全,也是保障城市电网安全稳定运行的重要措施。目前的电缆沟盖板只具有打开和关闭电缆沟通道的作用,随着城市电网的建设,该功能已不满足发展需求。通过对智能监测智能终端的了解及分析,认为在电缆沟盖板上融合多功能测量的智能终端和取电功能,使其成为智能一体化终端设备具有十分重要的意义。为此,文章基于自取电及低功耗物联网技术,结合人工智能大数据分析,研究了一种基于电缆沟监测的电缆沟一体化智能盖板,其具备太阳能取电、GPS定位、沟内溢水监测、非法入侵监测及防盗追踪、电缆沟内环境气体量监测以及线缆温度监测等功能,能够实现电缆沟非法入侵和环境状态量在线监测、主动运维,提高了电缆沟运维效率,保障电缆沟内电缆的运行质量。

面向智能手机玻璃盖板缺陷检测的YOLOv3改进和应用

针对智能手机玻璃盖板缺陷检测方法存在检测柔性差、良率低、检测时间长等问题,提出一种改进YOLOv3的智能手机玻璃盖板缺陷检测方法。在特征提取网络方面增加通道注意力机制以解决缺陷特征不明显的问题,在特征检测网络方面增加了104×104维度大小的特征图以解决缺陷多尺度的问题,最后对模型进行剪枝减少模型参数,提高缺陷检测速度。从智能手机玻璃盖板生产现场获得涵盖崩边、坑点、脏污和划痕等4类缺陷的图片构建缺陷数据集,对本文提出的方法和Faster R-CNN、YOLOv3、YOLOv4等算法进行对比实验和分析。实验结果表明,本文提出方法的检测平均精度均值(mean Average Precision,mAP)为81.0%,检测速度为43.1 fps。相比原始YOLOv3算法,检测mAP提升了3%,检测速度增加了6.7 fps,相比于其他深度学习算法,检测速度和检测精度均有所提升。所提方法满足智能手机玻璃盖板工业生产现场缺陷高精度、高效检测的需要。