强大的Power Vision电能分析功能

详细介绍了IDEAL的Power Analyzer 800系列电能质量分析仪强大的软件分析功能。

大模型时代:电力视觉技术新起点

随着无人机、巡检机器人和远程监控系统在输电、变电、配电、安监等电力场景中的广泛应用,利用电力视觉技术完成对海量巡检图像的自动处理,能够进一步提升电力系统智能化运维水平,对我国源网荷储一体化进程的快速推进具有至关重要的作用。随着通用视觉大模型的兴起,电力视觉技术正处于从传统深度学习时代向大模型时代跨越的重要节点。该文首先综述了电力视觉技术和通用视觉大模型的最新研究进展,结合视觉大模型在多种公共场景的应用先例,探讨视觉大模型在电力视觉领域将面临的3重能力边界问题。从初步探索通用视觉大模型的潜力,到逐步构建电力视觉大模型的过程,提出4种模型应用范式以突破视觉大模型能力边界。最后分析了视觉大模型对电力视觉研究者的影响,并对大模型浪潮下电力视觉技术的发展方向进行了展望。

机械加工质量预测研究现状与发展趋势

机械加工质量预测是智能制造的重要组成内容,也是实现质量闭环控制的前提条件,对推动智能制造系统真正落地应用具有极其重要的作用.在对机械加工质量预测的历史进行简要回顾时发现,学者多将研究重点放在机床某一关键部件对加工质量影响的机理研究,却鲜见部件耦合影响的关联性研究.基于上述难题,本文首先剖析影响机械加工质量的7类要素,包括刀具几何参数、切削参数、切削液类型、热误差与热变形、数控机床零部件性能退化、切削颤振以及系统特性;随后,根据各要素数据种类和测量方式的不同,将机械加工质量监测与预测方法划分为4大类,包括机器视觉测量、功率测量、振动测量以及其他测量方法,并对各方法的技术特点、局限性和发展动态进行了阐述;最后,考虑各机械加工质量监测与预测方法的不足,指出材料切削机制研究、数据质量评估方法、面向工业现场数据库构建的标准以及质量预测信息的智能表征与可视化等方面可能是未来的发展趋势.

面向电力生产精细化风险解译的高度相似防护工具智能检测技术研究

电力生产通常面临高低电压、强弱电流等复杂工作环境转换,不同作业场景有严格的防护工具使用标准,因此,研究生产作业过程防护工具的精细辨识对保障人员安全及电网安全意义重大。已有研究可实现安全帽、工作服等基础着装类检测,而实际生产中存在大量形态高度相似的实体防护工具,如绝缘手套与线手套、绝缘杆与验电杆等。为此,该文提出一种基于深度代表性度量学习的相似防护工具智能检测方法。将目标类别特征学习转换为以差异化表达不同目标特征距离为目的的嵌入式空间特征学习,得到表征不同目标的深度代表性特征向量,通过计算未知目标与代表性特征向量的距离进行类别判断,最后以现场图像进行试验验证。试验结果表明:所提方法实现了对形态相似防护工具的特征差异表达和精准辨识,相比于常见目标检测模型具有更优越的辨识性能,从而提高电力生产安全风险辨识的精细化水平。

电力变压器关键尺寸视觉检测方法及其缩比模型验证

电力变压器的关键尺寸测量是其装配制造、运输安装过程中重要一环,现有测量方法操作繁琐且效率较低。为此,本文提出了一种适用于110 kV油浸式电力变压器关键尺寸视觉检测方法,该方法利用YOLO目标检测算法、Grabcut图像分割算法实现关键组部件的智能检测与分割,然后基于双目立体视觉原理实现套管相间距离及变压器最大截面外形尺寸等关键尺寸的测量。本文搭建了110 kV油浸式电力变压器外观缩比模型,试验分析了拍摄距离和角度等因素对电力变压器关键尺寸视觉检测的影响。结果表明,本文基于缩比模型试验实现了在不同拍摄距离与角度下变压器关键尺寸的视觉检测,验证了该方法的有效性。本文方法可以为110 kV油浸式电力变压器现场尺寸测量提供参考。

3D机器视觉在充电宝包装系统中的应用研究

为了提高包装机械智能化程度和生产效率,设计并实现了一种基于3D机器视觉的充电宝智能装配和包装控制系统。该系统主要包括自动装配、自动贴标、2D机器视觉质检、3D机器视觉包装和立体仓储等功能模块。对系统的硬件和软件进行了论述,重点对3D相机的编程进行了研究和阐述。通过实验证明,所设计系统的功能实现率均在99%以上。基于3D机器视觉的充电宝智能装配和包装控制系统可以提高包装机械的智能化和柔性化水平,在提高生产效率的同时,大大降低企业人力成本。

无人机高电压输电线路障碍物检测方法

针对电力巡检无人机在高电压输电线路遇到的各种障碍物及其特点,该文提出了一种基于视觉TF-Net障碍物检测算法。该算法通过巡检无人机上的双目摄像头获取图像,并利用障碍物的几何形状和图像特征确定障碍物类型,结合摄像头和障碍物之间的位置关系计算出障碍物到无人机的距离,以判断是否会影响无人机的正常飞行。研究采用了局部敏感提取、Ghost-Group卷积单元等方法,并对神经网络进行了轻量化处理,以最大化降低功耗。实验结果表明,相对于传统的卷积算法,该算法FPS提升了10 frames/s,平均精度(mAP)提升了6%。该算法在检测精度和检测速度上较普通算法框架都有一定提升。

基于AI芯片的输电通道外破隐患边缘智能监测装置研制及应用

塔吊、挖掘机等外破隐患导致输电通道事故频繁发生,有效地检测输电通道周围的外破隐患对保障输电线路安全稳定的运行意义重大。该文以边缘智能芯片为基础,研制了一种输电通道外破隐患边缘智能检测装置,并提出了一种适用于计算资源有限前端装置的轻量化外破隐患识别方法。利用深度残差网络对输电通道图像进行视觉特征提取;利用候选区域生产网络RPN捕获外破隐患目标的候选区域,再用全卷积神经网络FCN进行外破隐患的目标分类与定位。以实际采集的输电通道图像构建成样本集,进行模型测试与验证,结果表明所提方法在边缘装置中表现出良好的适用性。

基于计算机视觉的输电塔位移监测ROI关键点法

为了实现输电塔远距离位移监测,同时满足低成本、无接触、易实施及精确度高等要求,结合输电塔的内轮廓特征和计算机视觉位移识别技术,提出感兴趣区域(region of interest,简称ROI)关键点法。首先,利用N近邻最小能量法进行ROI轮廓搜索提取,并与Harris角点检测算法相结合;其次,通过输电塔台架实验与灰度模板匹配法相比,ROI关键点法位移识别结果的平均误差、均方根误差分别降低了56%和45%,绝对误差小于5 mm和10 mm的准确率提高了61%和3%,计算效率提高了11倍,稳定性及抗噪性能较高;最后,在实验塔对比验证中,ROI关键点法的位移测量值与实际位移的差值百分比在0.0%~11.1%之间。结果表明,ROI关键点法在输电塔结构位移监测中具有较高的准确率、精细度、计算效率、稳定性及鲁棒性。

ViTH:面向医学图像检索的视觉Transformer哈希改进算法

对海量的医学图像进行有效检索会给医学诊断和治疗带来极其重要的意义.哈希方法是图像检索领域中的一种主流方法,但在医学图像领域的应用相对较少.针对此,提出一种面向医学图像检索的视觉Transformer哈希改进算法.首先使用视觉Transformer模型作为基础的特征提取模块,其次在Transformer编码器的前、后端分别加入幂均值变换(Power-Mean Transformation,PMT),进一步增强模型的非线性性能,接着在Transformer编码器内部的多头注意力(Multi-Head Attention,MHA)层引入空间金字塔池化(Spatial Pyramid Pooling,SPP)形成多头空间金字塔池化注意力(Multi-Head Spatial Pyramid Pooling Attention,MHSPA)模块,该模块不仅可以提取全局的上下文特征,而且可以提取多尺度的局部上下文特征,并将不同尺度的特征进行融合.最后在输出幂均值变换层之后将提取到的特征分别通过两个多层感知机(Multi-Layer Perceptrons,MLPs),上分支的MLP用来预测图像的类别,下分支的MLP用来学习图像的哈希码.在损失函数部分,充分考虑了成对损失、量化损失、平衡损失以及分类损失来优化整个模型.在医学图像数据集ChestX-ray14和ISIC 2018上的实验结果表明,该研究所提出的算法相比于经典的哈希算法具有更好的检索效果.

基于计算机视觉与智能识别的电力施工安全监测技术

针对传统人体动作识别算法准确率受动作观察角度和身体特征差异影响较大的问题,文中面向电力施工领域开展了基于计算机视觉与智能识别的安全监测技术研究,以提高操作的安全性。该研究在视频图像中选择了特定关键帧将行为数据分割成若干段动作数据,从而降低人体行为识别的难度。同时根据分割后的图像信息,分别创建剪影及光流的直方图来提取图像中人体的形态和运动信息。利用改进的支持向量机算法进行特征融合,并设置多个分类器来创建基于集成学习的动作识别算法。实验结果表明,该方法对于特定动作的平均识别准确率为73.36%,且均方根误差显著低于对照组。

基于机器视觉的电力巡检机器人自动化系统设计

为实现巡检中更低的误检率,设计一种基于机器视觉的电力巡检机器人自动化系统。利用远距离激光雷达配合多种设备,实现机器人的定位导航。根据图像预处理模块能够实现巡检图像的色彩分割、降噪滤波等处理。总控平台模块主要由六部分构成,分别为图像识别单元、核心服务单元等。通过硬件与软件相结合实现机器人的电力巡检功能。实验结果表明,设计的机器人运动指标良好,能够实现高效变电站巡检,同时系统的巡检导航性能良好,巡检误检率较低,说明系统满足设计需求。

基于改进VIT神经网络的无人艇电力系统故障诊断

为适应无人艇高可靠性和智能运维保障的发展需求,本文提出一种基于改进VIT神经网络模型的无人艇电力系统故障诊断方法,通过改进的注意力机制对模型参数进行求取,降低算法空间的复杂度,且避免模型参数限于局部最优。通过对交流低压无人艇电力系统进行短路故障仿真建立故障数据集,采用连续小波变换对故障电压序列数据进行特征提取,该特征数据用于训练改进VIT模型,实现无人艇电力系统故障诊断。对改进VIT模型与卷积神经网络CNN、深度收缩残差网络DRSN、VIT模型的故障识别性能进行仿真对比研究,结果表明改进VIT模型具有较高的故障诊断准确度,且受短路故障电阻的变化影响小、适应性更强。

面向变电站鸟害防治的轻量化鸟类目标检测方法

近年来,随着我国生态环境的改善以及电网建设的推进,鸟类活动范围与变电站、输电线路的交集越来越大,带来的安全风险越发突出。针对传统的驱鸟方式耗时费力、效果不佳等问题,首先,通过收集鸟类图像构建了模型训练所需数据集;其次,将PicoDet模型应用于鸟类检测并提出了目标检测模型评价指标;最后,将优化后的模型进行推理验证,并对比了不同算法的性能参数。通过与常用的YOLO系列目标检测模型对比,验证了所提PicoDet模型在实现较高检测精度的同时,具有占用内存小、检测速度快的优势,适用于变电站鸟类高精度实时目标检测场景。

权力与符瑞:唐宋政治信仰中的“云气华盖”现象

“云气华盖”现象是祥瑞文化与华盖文化融合发展的结果,古人将其视为一种异象。该现象在长期发展中被统治集团与被统治者共同塑造成祥瑞,于唐宋时期进入高峰期,又伴随政权变动及政治文化等因素而消亡。“云气华盖”象征帝王的符命,天子气、天子所出之地,并且用来预测军事战争的结果,在战斗过程中发挥了重要作用。唐宋时期“云气华盖”现象的政治实践说明该异象具有加强统治合法性,维护政治合理运行、渲染域内治理美好图景的政治功能,是统治阶级对自身统治权力自我认同的一种手段。

面向无人机巡检场景图像的电力线提取算法

由于电力系统巡检涉及山区、森林、农村和城镇等众多场景,且缺乏面向无人机巡检的电力线数据集,给基于有监督学习的电力线提取任务带来了挑战。为此,构建了一套多场景航拍电力线数据,并针对现有算法提取的电力线精度有待提升以及移动端巡检对算法效率的要求等,提出了一种新的电力线提取算法,所提算法对LinkNet框架进行改进,首先,在其Encoder部分使用轻量型网络,提高算法特征处理的效率,并降低模型的大小。然后,提出了基于深度可分离卷积和通道注意力机制的AD-block来提高网络的感受野,增强网络的特征提取能力。最后,通过引入双线性插值上采样方法等改进Decoder部分。实验结果表明,所提算法在服务器上精度优于对比算法,具有较好的鲁棒性。在Jetson TX2上验证所提算法的精度和效率优于对比算法,能实现每张图像115 ms的处理速度。

基于三维重建技术及人工智能的堵煤预警系统应用

燃煤电厂输煤系统落煤管堵煤影响系统正常运行,目前国内外普遍采用传感器技术进行堵煤检测,存在误报和漏报的现象,不能实时准确反映落煤管堵煤情况。本文提出了一种基于三维重建技术及人工智能的堵煤预警方法,通过在现场环境下进行应用实测,验证了该方法的可行性。

基于机器视觉技术的海上风电叶片吊装碰撞检测系统研究

针对海上风电设备叶片起吊潜在碰撞问题,提出基于计算机视觉的检测方案,包括设计摄像系统与图像处理算法、建立实时监控平台并进行实验验证。研究过程中优化了叶片起吊的碰撞检测算法,结合多源数据融合和即时反馈机制,提高了检测准确性和响应速度。实验结果证明,在复杂的海洋环境下,该系统稳定可靠。

基于机器视觉的变电站智能巡检机器人的设计与应用

针对变电站巡检工作中存在的工作强度大、安全隐患多等问题,设计了一种基于机器视觉的智能巡检机器人系统。首先,该系统引入了一种用于缺陷检测的基于注意力机制的多尺度卷积神经网络,实现了较高的变电站设备缺陷定位和分类精度。同时,设计了一种轻量化的图像增强算法,有效提升恶劣环境下的视觉感知鲁棒性。实验表明,所提机器视觉方法可显著提升变电站巡检的自动化和智能化水平。

物联网技术支持下的智能电力监控系统研究

物联网(Internet of Things,简称IOT)属于互联网、通信网的延伸,能够通过智能设备、网络传输实现人与物、物与物之间的智能互联。基于物联网技术的智能电力监控系统是现代技术背景下电力系统管理的重要依托,能够实现电力系统智能化数据分析、报警联动等工作,显著提升现代电力系统控制质量。本文以物联网技术支持下的智能电力监控系统为研究对象,首先对物联网技术、智能电力监控系统的基本概念以及理论框架进行简要阐述。最后,结合现实情况,进行了基于物联网技术的智能电力监控系统设计。希望本文的研究内容能够为智能电力监控系统建设提供一定理论支持。