基于深度学习的输电线路耐张线夹倾斜缺陷定量检测

针对输电线路中耐张线夹的倾斜缺陷,未能准确地去模糊处理所获取输电线路图像的问题,提出了基于深度学习的输电线路耐张线夹倾斜缺陷定量检测方法.结合冲击波滤波器与双边滤波器对获取的输电线路图像去噪处理,通过正则化方法估计模糊核.同时利用引导滤波器分解去模糊后的输电线路图像来获得细节层与基本层,分别进行伽马变换.将预处理后的输电线路图像输入至深度学习网络中,提取耐张线夹的倾斜缺陷特征,完成对缺陷的定量检测.实验结果表明,所提方法的准确率可保持在90%以上,且召回率、AP值及F 1指标均较高,具有良好的检测性能.

基于深度学习的输电线路均压环倾斜识别

为解决输电线路均压环倾斜图像识别过程中存在的准确率低、倾斜角度计算差的问题,提出了一种基于深度学习的输电线路均压环倾斜识别方法。首先,采用改进的快速区域深度卷积神经网络(Faster-RCNN)检测均压环与绝缘子串的目标与位置信息。然后,采用级联金字塔网络(CPN)定位目标多特征关键点,并在此基础上使用文本检测(TB)算法,根据绝缘子与均压环位置信息定量计算出均压环的倾斜角度。最后,采用仿真环境对该方法进行了验证,得到其均压环倾斜识别准确率为87.2%。试验结果验证了所提方法可有效识别输电线路均压环倾斜,提高了输电线路运维水平。

无人机巡检图像防振锤缺陷识别技术

针对输电线路外界影响因素过多,导致防振锤缺陷检测精准度较差且效率偏低的问题,提出了一种基于图像表达及像素点坐标的防振锤缺陷智能识别技术。利用非线性映射描述防振锤的细节及轮廓,预估防振锤因受力形变引起的阻尼力、刚度、质量与位移等参数变化情况。利用变换矩阵建立识别坐标系,计算防振锤各轴上关键点的旋转角及动态位姿,与待识别节点中参数表达不一致的节点即为缺陷部位。实验结果表明,所提技术在复杂背景形态下也能实现精准的缺陷识别,且噪声及失真现象的处理效果也较优,具有良好的鲁棒性及适用性。