基于无人机低空摄影的输电线路覆冰监测预警方法

随着电力网络的日益扩大和复杂化,输电线路的安全运行对于电力系统的稳定性至关重要。然而,覆冰现象作为输电线路面临的主要自然灾害之一,常导致线路故障、断线甚至杆塔倒塌,给电力系统的正常运行带来严重威胁。因此,对输电线路的覆冰状况进行实时监测和预警,对预防线路故障、保障电力系统的稳定运行具有重要意义。文章提出了一种基于无人机低空摄影的输电线路覆冰监测预警方法,研究表明,该方法具有较高的实用性,可为电力系统的稳定运行提供有力保障。

基于模糊模式的蝗虫图像识别方法

蝗灾是中国农业病虫害防治的重点,采用低空机载蝗虫预警系统技术,对拍摄图像中蝗虫识别和计数,实现蝗虫监测,可以弥补蝗虫地面人工监测的不足。以广东省清远市英德区域农田为试验区,采用数码相机采集蝗虫图像,对蝗虫区域和背景的RGB分量平均值进行对比分析,选用超G绝对值法进行灰度转换,实现蝗虫与背景分离。通过面积统计对比,确定单个蝗虫的面积和周长特征,建立单个蝗虫模糊集和粘连重叠蝗虫区域模糊集,采用最大隶属度原则可以判定蝗虫连通区域为单个蝗虫或是存在图像粘连重叠。用模糊识别方法对单个和粘连重叠的区域分别计算数量,准确率达89%,可以满足蝗虫灾害的测报要求。

图像识别在特高压换流阀元件故障在线监测系统的应用

针对特高压换流阀元件众多、实时监测困难的问题,提出了一种基于图像识别技术的换流阀元件状态在线监测方法。介绍了图像数据提取及预处理的方法,分析了晶闸管门极线脱落及螺母力矩线偏移的图像特征,实现了晶闸管门极线脱落、螺母位移等故障的智能检测。基于图像识别及故障特征提取方法,设计了一套换流阀元件状态在线监测样机,详细介绍了样机的软件和硬件设计方法。在特高压直流输电阀塔上搭建试验环境,对图像分析和故障特征提取的方法进行测试,试验结果表明,所提出的图像分析和故障特征提取方法可有效识别换流阀元件的异常工况,对换流阀元件运行异常提前预警。

图像识别技术对提升动物疫情监测预警能力的研究——以东莞市动物卫生监督所为例

远程视频监控系统被利用到动物疫情监测的领域来,能够对所有的疫情监控点进行监测预警。但是长时间的人工监控也会使工作人员产生疲劳感,降低工作效率。针对这样的情况,本文从图像的预处理、病变区域的提取和病变区域的识别三个方面阐述了如何利用计算机图像学理论来提升动物疫情监测预警的能力。

一种电力施工安全规范模型验证方法

电力行业安全、稳定运行,事关各行各业以及国名经济发展和人民群众的根本利益,所以确保安全生产是我们的头等大事。由于电力行业涉及诸多作业场景,因此对相关作业场景进行有无违章操作的监测就具有重要意义。规范的作业执行,能够确保生产安全,提高生产效率。本文着重研究对视频监控过程中易发多发且具有一定危险性违章行为的实时监测与预警提醒,主要是基于图像识别基础,结合深度学习技术,对电力作业相关场景进行目标检测来对作业过程中拟存在的违章场景进行实时监测与预警提醒。本文基于单阶段目标检测模型YOLOV5来开展相应的训练与验证测试,经过测试发现全类别模型4_m(指检测多类目标物,YOLOV5预训练模型采用YOLOV5m.pt)的对多种类别目标物检测的平均精度达到0.85,模型的推理测试能力达到0.66左右。截止目前研究阶段而言,全类别模型4_m对作业场景的违章监测效果相对最佳。基于深度学习模型对电力作业场景目标物的实时检测,在结合相应的逻辑判断,即可对相应的作业场景进行有无违章操作的预警提醒,实现电力作业施工的过程管控,实现违章行为的早发现早纠正,避免事故发生,确保安全生产。

输电线路外部隐患自动识别装置研究与开发

高压输电线路外部隐患日益增多,为保障电网的安全可靠运行,设计一种使用简单、易于安装的输电线路监测预警装置,采用图像采集器获取图像信息,将获取的图像信息进行预处理,增强源图后提取图像信息中各类特征,通过比较图像在空间结构上的差异,运用多目标检测识别模型识别和检测输电线路外部隐患,包括鸟巢、安全距离不足的机械施工和人力破坏等问题,实现输电线路外部隐患的自动识别和监测预警。