The Application of Fuzzy Image Recognition in Power System

Electrified railway is an important but disturbing load in power system. In China railway electrification is gaining momentum at the end of this century.The Ministry of Railway has a clear indication that the development trend of railway transportation is the coexistence of internal-combustion engine locomotive and electrified locomotive. Meanwhile it will make strenuous efforts to develop the electrified railWay for the plain land, the main lines and the busy areas of transportation. It is obvious that the importance of electrified railway in railWay transpoftation will be enhanced more and more. It is going to be an important load to power systems all over China. But it is a disturbing load It gives serious harmonics pollution to power system if not properly maintained. This paper describes a new advanced method, fuzzy image recognition technique, to improve the adjustment during maintenance of the supply line so that good contact of the pantograph with the power line is ensured. This case also serves as an example to illustrate how the work on the demand side effectively improves the operation of the power system.

面向抽水蓄能电站的巡检机器人关键技术研究

针对抽水蓄能电站中混凝土墙体现场检测难度大且传统巡检方式效率低的问题,提出了一种基于深度学习的裂缝检测系统。通过FCN网络和CNN网络的相似性匹配,可以有效地判断混凝土裂缝的位置、尺寸及深度等信息,实现对裂缝的自动检测。同时,设计了巡检机器人硬件构架与软件系统,实现巡检路线自主规划、自主导航和检测区域的自主识别等功能。基于CrackForest数据集对所提检测模型的性能进行了验证测试,结果表明所提模型的识别精度可达87.74%,平均误差仅为0.45,综合性能良好。

A Novel Dataset For Intelligent Indoor Object Detection Systems

Indoor Scene understanding and indoor objects detection is a complex high-level task for automated systems applied to natural environments.Indeed,such a task requires huge annotated indoor images to train and test intelligent computer vision applications.One of the challenging questions is to adopt and to enhance technologies to assist indoor navigation for visually impaired people(VIP)and thus improve their daily life quality.This paper presents a new labeled indoor object dataset elaborated with a goal of indoor object detection(useful for indoor localization and navigation tasks).This dataset consists of 8000 indoor images containing 16 different indoor landmark objects and classes.The originality of the annotations comes from two new facts taken into account:(1)the spatial relationships between objects present in the scene and(2)actions possible to apply to those objects(relationships between VIP and an object).This collected dataset presents many specifications and strengths as it presents various data under various lighting conditions and complex image background to ensure more robustness when training and testing objects detectors.The proposed dataset,ready for use,provides 16 vital indoor object classes in order to contribute for indoor assistance navigation for VIP.

基于计算机视觉的电力作业人员行为分析研究现状与展望

电力作业人员的有效监管是保障电力安全生产的基础。该文对电力视频中作业人员的行为识别研究进行了归类总结,涵盖静态行为分析(穿戴分析、动作分析和组合分析)和动态行为分析(复杂动作、时序行为和行为预测等);详细综述了电力作业行为分析中的核心算法模块,包括目标检测、姿态估计和视频跟踪等;论述了电力作业行为识别在算法高效性、鲁棒性、灵活性等方面所面临的应用难点和挑战,并展望了电力作业行为智能监控领域的未来发展方向,特别强调了在软硬件结合、通用大模型、生成式人工智能方面进行技术创新和改进所蕴含的潜在机会。

一种基于视觉识别定位的变电站电容器检修机器人的设计

为安全高效地实现对变电站内电容器的电容检测,同时完成电容器绝缘子串末端接线柱的螺栓紧固,保证电容器的正常运行,进而维护电网运行安全,设计了一种基于视觉识别定位的变电站电容器检修机器人。结合变电站的整体结构与机器人的作业环境,对机器人作业部分的结构进行了针对性设计,选用合适硬件并构建了控制系统。使用YOLOv5目标识别网络对电容器末端绝缘子串中心进行了检测与三维定位,实现了检测精度与识别速度间的平衡,对绝缘子整体识别率达到95%以上,绝缘子中心定位精度达到2.1 mm。基于识别定位所得位置,移动作业末端可完成电容器电容检测并实现对电容器上绝缘子串末端螺栓紧固作业,完成变电站电容器的检修工作。在根据变电站电容器设置参数构建试验场地,进行了电容器电容检测试验与电容器绝缘子串末端螺栓紧固试验,验证了基于视觉识别定位的电容器检修机器人能有效识别目标并完成检修工作。

工作面液压支架丢架状态视觉自动检测方法

受采场地质条件变化、泵站压力波动及自动跟机系统误差等因素影响,液压支架在自动跟机移架过程中存在丢架情况,人工丢架监测严重影响工作面自动跟机效率。而基于传感器和感知信息的液压支架实时丢架状态监测方法的稳定性和可靠性较差。针对上述问题,提出一种液压支架丢架状态视觉自动检测方法。首先采用YOLOv8对实时获取的工作面监控视频图像进行工作面目标区域划分,通过充分学习工作面图像内部特征准确获取液压支架底座及推杆的轮廓信息与位置信息,分析不同液压支架底座及推杆的位置信息,确定监控视频图像中的支架号;然后提取相邻液压支架最小底座区域局部图像,利用融合多尺度特征信息的ResNet50卷积网络对底座局部图像进行特征提取,获取图像多尺度融合特征信息,再将特征信息映射到类别空间,获取不同液压支架状态的概率分布,根据概率判断液压支架正常移架或丢架状态,结合支架号信息确定处于丢架状态的液压支架。实验结果表明:基于监控视频的工作面目标区域平均分割精度为0.98,准确实现目标区域结构化提取;支架号自动识别准确率为98.78%,为液压支架丢架状态检测提供准确的支架号信息;工作面液压支架丢架状态视觉自动检测的平均准确率达99.17%,单帧图像处理时间为36 ms,满足采煤工作面AI视频监控系统检测丢架状态的实时性与可靠性需求。

视觉图像与三维点云融合的障碍物主动识别与距离感知研究

针对无人机配电线自动巡检及绝缘层涂覆维护过程中障碍物主动识别和距离感知的问题,提出视觉图像与三维点云相结合的障碍物识别方法。对图像进行增广预处理来丰富数据集,引入基于特征提取的深度学习进行模型训练,获取障碍物目标的类别和方位,结合三维点云信息得到目标的距离信息。实验结果表明:三维点云与视觉图像融合的障碍物主动识别与距离感知算法可以兼顾实时与精准测距的需求,提高了系统预警的精确度,最大识别误差为2.356%,有助于提高无人机及线缆涂覆机器人的障碍感知能力,保障作业安全。

基于图像识别技术的电动工具视觉检测系统应用

介绍了一种基于图像识别技术的电动工具视觉检测系统。机器视觉传感器采集被测物体图像后,将原始数据送入图像识别检测模块,该模块由机器视觉算法和深度学习的图像处理技术组成,利用图像采集技术对可视化检测项目进行建模分析。实际应用表明,电动工具视觉检测系统的测量效果优于人工光学检测,避免了人为因素造成的检测误差。

电力变电站图像识别与入侵检测系统设计

随着电力设施安全的重要性日益凸显,电力变电站的图像识别与入侵检测系统的研发已成为一项紧迫的技术需求。图像识别技术通过分析摄像头捕获的图像,能识别和跟踪场景中的对象;而入侵检测技术则专注于监测和响应未授权的入侵行为。将这两项技术结合起来,可以有效提高变电站的安全防范能力,防止非法入侵和设备损害事件的发生。本文设计了一个电力变电站图像识别与入侵检测系统,包括系统总体架构的构建、图像采集与处理模块的实施,以及入侵检测算法的设计与优化。同时,文章展示了系统的实现过程和实验测试结果,验证了所提出系统的有效性与可行性。

智能视觉识别技术在果蔬瑕疵检测中的应用研究

本文探讨了智能视觉识别技术在果蔬瑕疵检测中的应用,包括图像采集与预处理、特征提取与分类,以及深度学习技术在瑕疵检测中的具体应用。通过这些方法,可以实现对果蔬瑕疵的快速、准确识别,对提升果蔬产业的自动化和智能化水平具有重要意义。

输电线路螺栓紧固带电作业机器人的视觉搜索、识别与定位方法

在输电线路采用机器人进行螺栓的全自动带电紧固作业是一项非常有挑战性的工作,螺栓的自动紧固首先必须解决螺栓的自动搜索、识别与定位,由于线路环境复杂,这些工作变得十分困难,为此,提出一种新的螺栓视觉搜索识别定位方法,该方法分为两部分,基于参考物的螺栓追踪,通过设定引流线为参考物,先对引流线进行定位,然后沿着引流线方向来搜索螺栓,从而简化螺栓搜索过程,降低螺栓识别难度;基于改进Hough变换的螺栓识别算法,通过对经典Hough变换的峰值选择策略进行改进来实现螺栓的精确识别,然后利用螺栓头部圆形特征来完成螺栓中心的验证,并通过HOG和SVM技术来实现目标物体的识别分类,消除外界不相关物体对目标图像的影响,进一步提高识别精度。根据该方法,设计了机器人原理样机并进行了模拟测试和现场测试,测试结果表明,该方法能够高效地实现输电线路上螺栓的搜索、识别与定位,极大程度地提高了机器人的带电作业效率。

缓变异物入侵铁路线路视觉检测方法

积沙积雪等缓变异物入侵铁路线路给铁路安全运营构成巨大威胁。针对既有铁路视频监控系统采用人工监视容易产生疏漏的问题,基于机器视觉检测技术和仿射几何原理研究积沙积雪等缓变异物入侵铁路线路的视觉检测方法。按照给出的检测原理、流程和技术方案,建立由线光源模型、检测相机模型以及线激光器与检测相机联动模型组成的缓变异物入侵检测模型,提出基于Radon变换思想的钢轨视觉识别检测算法和缓变异物厚度检测算法。在兰新铁路现场对检测方法进行验证性试验的结果表明:可全天实时、准确地识别列车通过和缓变异物入侵铁路线路事件,自动测量缓变异物的厚度,并在缓变异物的厚度达到阈值时自动报警或预警。

视觉可量测实景影像的道路交通标志自动检测

提出了一种基于颜色和形状神经网络的视觉可量测实景影像交通标志自动检测算法。该算法设计了2种类型的概率神经网络,一种可以将图像中像素分为黄色、红色、蓝色和其他颜色4类;另一种可以识别三角形、圆形、矩形和倒三角形4种形状。从而先利用颜色识别神经网络对影像进行颜色分割;然后,在分割后的二值图像上利用灰度投影确定交通标志的候选区域;最后,利用中心投影向量和形状识别神经网络,实现候选区域的形状判断和交通标志自动检测。使用车载三维数据采集系统拍摄的视觉可量测实景影像进行了实验,证明了该方法的有效性和鲁棒性。

灌装液体药品质量的机器视觉检测与识别

针对机器视觉检测灌装液体药品中存在的对噪声敏感、难以区分杂质和气泡的问题,提出多帧序列图像检测与识别杂质的方法。在获取灌装液体药品连续序列图像的基础上,采取以最不相邻图像差分来获取瓶内液体图像中变动区域;选取多帧序列图像中运动对象建立目标链,从而提取可能是杂质的运动对象在多帧序列图像中的特征。运用具有较强推广能力的支持向量机对提取特征进行分类识别。实验结果表明:采用该方法可识别灌装液体药品的杂质,选取合适的支持向量机惩罚参数和核参数,其识别准确率可达95%,可以区分杂质和气泡等,可提高检测灌装液体药品质量的准确性。

玻璃质量在线视觉检测系统光源的设计

为了实现生产线上玻璃质量的自动检测,采用机器视觉的方法对生产线上的玻璃进行缺陷检测。采集图像过程中光照方式对图像质量影响很大,为了避免由光照效果不佳对玻璃质量判断造成的干扰,保证视觉检测系统可识别不同种类的裂痕,研究了机器视觉系统中光源系统相对于生产线上玻璃的位置和光强度,解决上述问题造成的影响。分析光源系统对拍摄玻璃图像中缺陷部分和质量合格部分的相关影响,提出了一种可以检测出不同种类裂痕的光源照射方式,使其能够拍摄满足条件的高质量玻璃图像。通过样本批量测试实验证明:该光源照射方式对玻璃质量在线检测的识别准确率均为90%以上,所采集图像质量满足要求,能够准确检测出不合格产品的缺陷位置、面积大小及缺陷深度。

海上小目标检测的视知觉方法

针对海上小目标检测问题，提出采用基于视觉非线性的图像分割方法，同时结合最佳分割区域自动调整算法，获得海上小目标的优良分割结果，并利用目标背景间存在较强反差这一先验知识，从分割所得二值图像中确定真实目标．算法中同时考虑了对亮、暗目标的处理，因而对目标的灰度变化不敏感．大量海上小目标检测的实验结果证实了本方法的有效性．

一种新的边缘检测计算模型和算法

该文分析了普通线性移不变边缘检测算子与人的视觉系统感知光强度变化时性能的不一致性，并根据视知觉原理提出了新的边缘检测模型和算法，由此所获得的边缘检测器不再仅是局部性的而且是兼备全局性的自适应特征提取系统．对一组含有小目标的自然场景图象的实验结果证实，与局部性算子相比，该方法具有优良的从低反差图象中提取边缘特征的性能．

基于云层图像的塔式太阳能热发电能量预测方法

提出一种应用于塔式太阳能热发电系统的云层图像识别与运动检测方法,动态预测云层移动对系统热发电能量的影响。该方法利用小波维纳滤波对工业相机实时采集的天空图像进行降噪处理,基于Lab空间边缘检测算法识别天空图像中的云层,结合CSIFT匹配特征点计算得到云层运动速度和方向,并通过云层、太阳、镜场间的相对位置关系实时分析和预测系统热发电能量受云层运动的影响。实验结果表明,该方法的预测实时性和准确性均满足要求,具有较高的工程应用价值。

图像识别在可移动太阳能发电装置上的应用─基于阴影区域光强检测

在对比分析了无阴影环境与有阴影环境下图像特点的基础下,提出了一种适用于阴影环境,通过摄像头寻找最强光照和最弱光照区域的算法,躲避光强弱的区域,趋向光强较强的区域,从而提高太阳能发电的效率。研究结果表明,该方法能快速、准确地寻找到附近接受太阳光照最强的区域。

铁塔航拍图像中鸟巢的YOLOv3识别研究

电力铁塔上的鸟巢、风筝等异物会严重影响电力架空输电线路的安全性。无人机在巡检过程中会针对电力铁塔进行专门拍照,检测识别铁塔上是否存在鸟巢等异物。针对经典YOLOv3算法在识别铁塔航拍图像中的鸟巢时存在识别精度不高、识别效率偏低、权重参数规模过大等不足,提出了改进方法。首先,设计了改进算法的总体架构,并构建了图像数据集;其次,分别从预测框的宽高损失函数、预测类别不平衡损失函数和神经网络结构等3个方面对经典YOLOv3算法进行改进。实验结果表明,本文的改进措施切实有效,可以在提高识别精度的同时大幅度减小权重参数规模,且识别效率良好。此外,对YOLOv3的改进方法而言,改进其神经网络结构的效果明显好于其他改进措施,为将来在无人机巡检过程中实现实时检测识别目标物奠定了重要基础。