基于图像特征分析的电力网络线路破损识别

在对电力网络线路破损进行识别的过程中,容易出现线路破损种类多的问题,导致传统的基于小波神经网络算法的电力网络线路识别方法,由于分析的线路破损类别有限,无法有效完成电力网络线路破损识别。提出一种基于图像特征分析的电力网络线路破损识别方法,通过轮廓特征对电力网络线路破损图像进行初步处理。通过矩和轮廓描述对电力网络线路破损特征进行进一步的描述。针对数字电力网络线路图像,用双求和的形式替代积分,对图像灰度值进行统计分析,将其作为图像的统计特征。依据已知类别训练样本完成学习后,对全部测试样本进行学习分类,获取不同位置子图像的正确分类率,对每个子图像进行匹配时所占的权重进行计算。对全部待匹配静脉图像的全部子图像的分类结果进行融合,判断该图像是否和电力网络线路破损特征吻合,从而实现电力网络线路破损识别。仿真实验结果表明,所提方法具有很高的识别正确率。

基于AI视觉智能巡检系统的设计与实现

随着电力行业的快速发展和电力设施的不断更新换代,通过无人机进行智能巡检的应用范围正在逐步拓展。传统的人工巡检方式耗时长、人力成本高、巡检难度大,限制了巡检作业的效率和准确性。针对以上问题的研究,文章设计了一种基于卷积神经网络YOLOv5s模型的线路破损检测算法。YOLOv5s模型独特的CSP结构,能有效加强网络特征融合的能力。通过使用手机摄像头模拟无人机进行巡检实验,验证了该算法的可行性与准确度。