基于改进YOLOv7的输电线路异物检测模型

针对输电线路异物检测中存在背景干扰、图像分辨率低且异物尺度变化大等问题,提出了一种基于改进YOLOv7的输电线路异物检测模型。首先,通过空间深度卷积(space to depth conconvolution,SPD-Conv)和多维协作注意力(multidimensional collaborative attention,MCA)机制构造新的骨干网络,加强模型对低分辨率图像特征提取及抑制背景干扰的能力,同时增加对小目标异物的关注度。其次,使用幻影卷积(ghost convolution,Ghost-Conv)改进高效分层聚合网络(efficient layer aggregation network,ELAN)的输出部分,大幅降低模型的计算量。最后,基于可伸缩交并比(scalable intersection over union,SIoU)优化损失函数,进一步提高模型的训练速度和鲁棒性。实验结果表明,所提模型在输电线路异物检测数据集上平均精度均值(mean average precision,mAP)达到95.98%,高于其他主流对比模型,同时每秒帧数(frames per second,FPS)达到64,满足输电线路异物的实时性检测。

基于小样本目标检测的配电线路异物识别

为了解决小样本目标检测算法中网络倾斜现象,小样本数据误检、漏检等问题,提出一种基于小样本目标检测的配电线路异物识别方法。首先,通过在迁移训练中引入注意力机制,解决网络倾斜现象。其次,提出在线难度样本选择的方法,解决小样本分类以及小尺寸异物误检和漏检问题。再次,采用内卷积解决传统卷积问题,提高异物检测精度。再次,提出新的锚框方案,解决小尺寸异物目标定位不准问题。最后,构建一个配电线路异物数据集。该方法相较于之前先进算法在配电线路异物检测数据集上检测精度提高了4.4%,达到98.6%,具有优异性能。

城市轨道交通线路异物检测与识别技术需求分析

基于城市轨道线路异物智能识别检测技术,分析了异物检测与识别系统开发的必要性,分析了城市轨道交通线路异物的来源与分类,从线路异物应急处理、图像识别区域、检测与识别技术角度提出异物检测与识别的原则。最后,从技术要求的角度,提出异物检测的时间与距离、异物检测的快速性与准确性、信息反馈与介入的技术要求,为城市轨道交通线路异物智能检测与识别系统开发提供技术方向借鉴。

基于改进YOLOv4的输电线路异物检测算法

针对输电线路异物检测识别精度低的问题,提出基于改进YOLOv4(you only look once的第4个版本)的输电线路异物检测算法.首先,对YOLOv4的特征金字塔池化模块进行改进,以在背景干扰的情况下保留更多目标信息、减少最大池化导致的目标信息丢失;其次,对原有的BCE(binary cross entropy)损失函数进行优化,得到GBCE(gradient-boosting binary cross entropy)损失函数,以提升算法区分相似目标的能力;最后,在数据集上使用多种算法进行对比实验.实验结果表明:相对于其他3种算法,基于改进YOLOv4的输电线路异物检测算法具有更好的综合性能.

输电线路异物清除空中机器人飞行控制技术研究

针对人工清理输电线路上的异物效率低且存在较大风险的问题,本文提出了一种用于输电线路清理的空中机器人,该空中机器人通过悬挂作业工具实现线路异物清理。本文针对输电线路异物清理空中机器人建立了其携带负载时的运动学和动力学模型;针对空中机器人携带负载后带来的重心变化、接触作业时的接触力与参数摄动等问题,研究了线性自抗扰控制方法。对空中机器人进行了仿真实验,验证了本文提出的空中机器人的可行性和线性自抗扰控制方法在空中机器人上具有较好的控制效果和抗干扰能力。

基于显著性加强和YOLOv5算法的输电线路异物快速识别方法研究

输电线路是电网中非常重要的一部分,它是电力转移和传输的载体。但是在输电线路上会经常出现异物,进而导致输电故障,造成经济损失和安全隐患。输电线路异物的快速识别能够及时发现隐患,避免故障产生。为此,提出一种基于显著性加强和YOLOV5算法的输电线路异物快速识别方法。结合某地区的输电线路检修相关图像数据进行验证,结果表明,该方法能够很好地提高输电线异物识别的精准度和速度。

特高压输电线路新型激光除异物技术的应用

针对特高压输电线路,在简述传统与新兴的线路异物去除技术基础上,结合特高压输电线路基本情况与运维重难点,对新型激光除异物技术特点与应用进行深入分析,为这项技术的深入应用提供理论参考。

异物清除、设备清洗:原来激光还能这样用

1100千伏的高压线上有气球缠绕,可能引发大面积停电。近日,中国航天科工四院接到了紧急求助电话。随后四院技术人员仅仅用30秒就精准定位并一次性清除了气球,客户当场订购了两台同款设备。