基于特征区域划分的巡逻配置及选址方法研究

为提高目标区域的巡逻效率,文章提出一种基于路网特征下区域划分的巡逻配置及选址方法。首先,定量分析研究区域路网密度,并基于中心度评价指标量化路网布局结构,实现研究区域划分;然后以总区域巡逻覆盖率为约束,构建以最优巡逻车数量配置为目标的规划模型;最后基于选址贪心算法求解并得出子区域覆盖率及巡逻车配置数量。结果显示,巡逻覆盖率与子区域路网等级和巡逻车速度提高带来的收益呈正相关关系。该方法可为巡逻配置及选址问题的解决提供有效途径。

基于BP神经网络的农业大棚巡逻机器人定位研究

为了能够及时准确地定位病虫害发生的位置,最大程度减少农户经济损失,农业大棚巡逻机器人的定位研究非常必要。但机器人使用的传统里程计常因为机械结构、误差积累、功耗发热等问题导致定位失效。为此,在已知农业大棚地图的基础上,将BP神经网络应用于巡逻机器人定位,提出采集机器人实际的位置信息和雷达信息,利用仿真软件进行模型训练,选择能够满足实际需要的激活函数,从而确定BP神经网络。通过实验并对比其他方法,证明使用本方法不但能实现精准定位,而且也能够提高机器人续航能力,有效提升农业大棚的生产效率。

基于YOLOv5s的绝缘子故障检测仿真研究

针对无人机巡检中采集到的绝缘子图片数量庞大、故障难以定位的问题,提出一种基于YOLOv5s网络的绝缘子故障检测算法。利用调整色调、翻转、随机矩形遮挡等操作强化现有的数据集,同时使用K-means++算法重新统计先验框大小,使其对应到大小匹配的特征层;在YOLOv5s骨干网络中添加了SE(Squeeze-and-Excitation)注意力模块,提升需要特征对应通道的权重,抑制其他特征通道的权重;在PANet(Path Aggregation Network)的基础上,引入BiFPN(Bi-directional Feature Pyramid Network)。仿真结果表明,改进后的YOLOv5s在识别不同故障时,准确率均有不同程度提升,对比原YOLOv5s模型,mAP(mean Average Precision)提升3.6%,速度提升5 FPS,且大小仅有13.8 MB,有助于智能巡检工作的展开。

激光雷达数据下架空输电线路点云场景分割及净空入侵检测

无人机搭载激光雷达(LiDAR)所获取的输电线路点云数据,有效提高了线路净空巡检的效率。然而,数据处理中存在大场景点云分类精度不高、净空隐患检测效率低的问题。依托典型架空输电线路激光雷达点云数据,本文提出了一种面向净空检测的轻量点云分割网络(LP网络),在多股电力线并行情况下建立二次函数,模拟电力线中线,结合规范快速检测净空隐患。通过两条输电线路测试,LP网络的平均交并比(IoU)达到0.895,所需时间为9.53 s;单座电塔净空入侵检测时间在1 min内;在交叉跨越区域,净空入侵检测也取得了准确结果。研究成果可用于自动准确识别线路隐患,为线路巡检提供决策支持。

基于5G软件定义网络的变电站巡检智能控制系统设计

为减少变电站巡检机器人远程控制的位置偏差和网络时延,实现高效智能控制,设计基于5G软件定义网络的变电站巡检智能控制系统。设计系统结构,基于5G软件定义网络实时监控变电站运行情况;设计系统硬件分为微处理器模块、电机驱动模块、通信模块;通信模块使用基于免疫计算的5G软件定义网络功能部署优化算法,完成网络功能部署优化,实现变电站巡检智能控制系统程序设计。实验结果表明:在设计系统控制下,变电站巡检机器人的驱动路径与路标路径十分接近,轨迹形状一致,位置偏差控制在200 mm之内,航向偏差最大值控制在-50°,平均网络时延偏差最大值是0.1 s,减少了远程控制的位置偏差和网络时延,可满足巡检机器人高效智能控制应用需求。

基于ARM的自主跟随无人结账一体化智能购物车

提出一种基于ARM的无人化“自结账一体化”购物车。将图像识别与雷达自主跟随技术融为一体,可实现自主跟随购物者巡线前进、对放入其中的商品进行图像识别并记录统计。依托公共云平台,设置会员登录界面用以识别用户,整合计算后通过EAIDK610用户界面显示总价,顾客将结账后账单信息上传至云端,结账完成后智能购物车开往超市入口等待下一位用户。该购物车可应用于智能超市取代传统超市的人工结账和导购,顺应当今时代去人工化潮流的发展趋势。

基于逐像素自适应对抗网络的电力巡检图像增强方法

针对电力智能巡检中图像细节丢失、边缘模糊,导致目标检测、识别错误的问题,提出一种基于逐像素自适应对抗网络(per-pixel self-paced adversarial network,PSPA)的超分辨率方法。该方法以生成对抗网络为基础,加入多重注意力机制,并通过逐像素比对的方式还原细节纹理。实验结果表明,该方法生成的超分图像不仅在人眼主观体验上优于现有算法,而且在电力设备巡检数据集测试中峰值信噪比和结构相似性指标对比其他最优结果分别提高了6.2和0.0993。对还原后的超分辨率图像使用Yolov3网络在无人机输电线路绝缘子数据集和电力施工安全帽佩戴数据集上进行目标检测,不仅能够降低漏检率,而且能够将检测置信度提高到接近原始高清图像的结果。

基于特征迁移的螺栓图像超分辨率处理方法

针对输电线路巡检采集的螺栓图像存在模糊、分辨率低等问题,本文根据螺栓之间相似度较高的特点,提出了一种基于特征迁移的螺栓图像超分辨率处理方法。本文首次将特征迁移引入螺栓图像超分中,先对比低分辨率图像与清晰参考图像的特征区域,将图像之间相似度高的区域进行特征迁移,并根据迁移特征的相似度调整迁移特征的比例,然后在感知损失函数中加入迁移特征相似度的约束,保证迁移特征的准确性。不同超分模型的螺栓图像超分实验结果表明,本方法的螺栓超分图像更清晰,峰值信噪比、结构相似性指标更优;此外,超分前后螺栓图像的缺陷识别实验对比结果表明,超分后螺栓的缺陷识别准确率提升了3.61%,实验结果验证了本文方法的有效性。

基于深度学习的绝缘子故障检测仿真研究

针对无人机巡检中采集到的绝缘子图片受干扰严重、检测精度低的问题,在YOLOv5s算法的基础上进行优化,基于改进后的YOLOv5s算法进行了绝缘子故障检测的仿真研究。通过在颈部网络添加CBAM注意力模块、运用K-means聚类重新计算先验框大小、采用MetaAconC作为激活函数3种措施改进了原算法,并基于Python进行了实验结果分析。实验结果表明本方案算法平均精度均值mAP达到了96.7%,对比原YOLOv5s模型,平均精度均值mAP提升3.3%;且方案算法训练出的权重文件大小仅有15.1 M,仅比原YOLOv5s大了0.1 M,仍然保持了轻量化的特点,在智能巡检工作的部署上有良好前景。

无线充电无人机自动驾驶配网智能巡检控制分析系统设计

针对当前巡检控制分析系统在巡检分析时缺少对无线充电无人机高度和方位精准判断,导致巡检控制分析结果耗时长、精准度低的问题,提出了基于RFID的无线充电无人机自动驾驶配网智能巡检控制分析系统设计。使用图像识别器和控制器完成光谱图像的数据转换和存储。利用FPGA采集全息信号,对图像进行去噪、空间转换的处理,对数据进行有效输出。构建RFID巡检数据存储目录,设计巡检控制分析流程。通过对比实验结果证明,提出系统分析的电压值与实际电压值一致,误差为0,且最快能在18 s内就能完成一个周期的巡检控制分析,说明分析精度高、用时较短,具有良好实际应用效果。

基于无人机遥感技术的配电网巡检系统设计

目前我国电网巡检以人工为主,由于相关监管体系并不到位,存在电力支线丢失等问题,现提出基于无人机遥感技术的配电网巡检系统设计。系统硬件设计方面包括客户端、服务器、无人机遥感终端三部分,根据硬件配置设计无人机遥感终端,确定终端操控方式。系统软件设计方面包括获取遥感巡检图像,采用自适应滤波设计系统导航算法巡检配电网,建立配电网数据模型,检测配电网线路的运行情况,让图像与实际数据紧密结合,实现配电网巡检。实验结果表明,与选取的其余系统相比,本系统与实际配电网电力线路具有较高的拟合度。

基于改进蚁群算法的电力信息网络设备智能巡检机器人路径规划方法

巡检机器人在行驶时经常会与障碍物相撞,为避免出现此类错误,基于改进蚁群算法设计电力信息网络设备智能巡检机器人的路径规划方法。建立蚁群信息素初始化结构,获取目标区域的运动矩阵,设置智能巡检机器人的运动学约束条件,基于改进蚁群算法构造机器人路径规划估价函数。通过对计算巡检机器人的巡检完成度,设计智能巡检机器人路径规划算法。实验结果显示,该路径规划方法可以完整准确地规划无障碍物的路径以及有障碍物的路径,同时对必经路线上的障碍物进行反馈。对比不同光线条件下的路径规划效果可知,光线越充足,路径规划算法的迭代次数越少,避障准确率越高。

一种低功耗的电网巡检故障图像识别方法

针对计算机平台在图像处理过程中面临的高能耗问题,研究了电网巡检故障图像识别的低功耗神经网络加速方法.采用直接映射方式将卷积层与全连接层的计算分别映射至独立的计算核心,提出了针对图像处理过程不同阶段的优化方案,实现了不同运算层次与硬件资源之间的匹配,并通过遗传算法得到了神经网络的并行优化参数.结果表明,优化后的LetNet-5与AlexNet卷积神经网络运行能效分别为优化前的1.94倍和1.8倍,单张图片的平均处理速度约为原来的4~5倍和2~3倍.

智能网联巡逻车动力系统与线控底盘的匹配分析

智能网联汽车是汽车行业未来的重要发展方向,线控底盘是实现自动驾驶的执行机构,也是传统汽车企业产品升级换代的必要途径和发展的重要领域,对促进汽车产业转型起着重要作用。文章以一款智能网联巡逻车为例进行动力系统与线控底盘的匹配研究,对动力系统驱动电机以及动力电池的参数选择进行匹配,在此基础上进一步对线控驱动、线控转向和线控制动系统进行选型与优化。此研究为智能网联巡逻车动力系统和线控底盘研发提供了参考。

基于残差网络的配电柜设备元件状态识别

随着工业智能巡检的不断发展,基于数字图像处理方法的设备元件状态识别系统被广泛应用.为提升配电室中配电柜设备元件状态识别的准确率,提出了一种基于残差网络(residual networks,ResNet)的设备元件状态识别方法.首先搭建数据采集系统,构建数据集;然后对配电柜图像,裁剪预设的设备元件目标区域,生成设备元件图像;对于设备元件图像,构建基于ResNet的元件状态识别模型并训练;使用训练完毕的模型识别元件的状态.以变电站配电室中配电柜设备元件数据集作为研究对象,对于特征复杂的元件采用单预测头的网络,对于特征简单的元件采用多预测头的网络;然后使用紧凑和剪枝的模型压缩方法在精度损失较小的情况下减少参数量和计算量;最后介绍巡检系统的架构设计,将JetSon Nano边缘终端作为算法模块的运行硬件,以减少通信成本.

基于特征补充与重构的电网巡检作业风险识别技术研究

针对电网巡检人员在野外不按规定正确佩戴安全帽,容易造成作业风险的问题,文中基于深度特征提取技术设计了一套安全帽自动识别算法。该算法以YOLOv4目标检测模型作为基础深度网络框架,通过对框架进行改进,实现了算法的轻量化与小型化。并将YOLOv4的CSPDarknet53主干特征识别网络替换为ShuffleNETv2网络,从而有效提升了算法运行速度。同时,为了解决轻量化导致的mAP下降问题,在YOLOv4的路径聚合层中加入了注意力机制,以提高mAP指标,且保证了算法性能。实验结果表明,在与对比算法准确率持平的情况下,改进算法在帧率上提高了近140%,算法所占体积也大幅下降,证明了其具有轻量化、小型化的特点。

无4G网络覆盖区域无人机自主精细化巡检方法

传统的无人机巡检方法易受到冗余航点影响,导致巡检结果不精准的问题。为此,针对无4G网络覆盖区域,提出了一种新的无人机自主精细化巡检方法。在对无人机搜索的整个空间范围信息进行离散化处理后,在三维空间栅格化坐标系中标记航迹点。构建自主精细化巡检航迹规划模型,采用道格拉斯-普克算法剔除冗余航迹点,从而设计巡检航迹规划流程,得到平滑巡检航迹。该方法还通过计算无人机与障碍物的相对速度斥力,解决无人机巡检过程的避障问题。由试验结果可知,该方法航迹线与标准航迹线一致,说明该方法得到的自主精细化巡检结果精准。

基于机器视觉的巡检机器人目标检测研究

为提高基于机器视觉的巡检机器人目标识别准确率和检测速度,提出一种基于改进YOLOv3网络的目标检测识别方法。所提方法利用PANet优化YOLOv3网络路径和自适应池化结构,采用深度可分离卷积替代其标准卷积,以提高YOLOv3网络识别精度和检测速度,并基于改进的YOLOv3网络进行目标检测,实现了高精度、快速率的巡检机器人目标检测。仿真结果表明,所提方法相较于标准YOLOv3网络和常规目标检测网络SSD、DenseBox以及Faster RCNN,在准确率和检测速度方面具有明显的优势,均值平均精度达到84.44%,每秒帧率达到30帧/s,可实现基于机器视觉的巡检机器人实时检测。

基于工业无线网的输电线路无人机自动巡检系统

针对目前巡检系统检测输电线路时巡检精度和巡检效率低,基于工业无线网,本文设计了新的输电线路无人机自动巡检系统。首先,设计巡检系统的整体框架结构,包括网络层、软件层以及硬件层。其次,根据巡检需要,对无人机和辅助硬件进行设备选型,并利用工业无线网控制无人机的飞行状态。最后,通过数据获取、典型缺陷智能分析和自动报告生成,实现对输电线路缺陷的自动识别与巡检。实验表明,相比于传统系统,该系统无论是在巡检精度方面还是巡检效率方面都具有更大的优势。

黄河下游坝垛险情自动监测预警探讨

坝垛险情监测预警是黄河防洪工程防守和保证防洪安全的关键措施,针对传统人工巡坝查险存在劳动强度高、工作效率低、漏报错报等难以解决的缺陷,对坝垛险情自动监测预警进行探讨:在坝垛建立前端基站和5G专网通信,实现前端信息采集和与后台的数据通信;在前端摄像头嵌入人工智能算法,对采集影像有无险情进行初步判断;在后台建立大数据平台,自动比对前端摄像头数据并进行险情精准预判,自动生成工程险情关键参数,实现预警坝垛险情自动监测预警目的。基于深度学习方法进行模拟试验,实验结果表明:利用5G传输、大数据和人工智能等新技术,进行黄河下游坝垛险情监测预警建设,可有效提升发现险情和应急上报能力,是未来黄河下游坝垛险情监测预警的重要手段,也是黄河信息化建设的重点和发展方向。