简介:摘要电力的应用已经渗透到了我们生活中的各个方面,而电力资源主要集中在人迹罕至的区域,要将电力资源充分的利用就需要进行远距离输电,故输电线路在电力系统中具有十分重要的作用。随着无人机和计算机技术的飞速发展,我们可以通过无人机搭载的成像设备获取到输电线路的图像数据,进而通过图像处理技术分析出输电线路上的安全隐患和实现无人机的自主导航飞行等。在本文中我们提出了一种基于无人机航拍高分辨率图像的输电线路检测方法。首先,我们对高分图像进行LSD直线段检测,对输入图像中潜在直线段区域进行检测和分析,提取出疑似的电力线区域;第二,我们线段的角度为特征使用无监督的高斯聚类算法和线段之间位置关系聚类的算法得到图像中候选的输电线路目标;第三,我们提出了图像中直线密度的算子,来滤除图像中虚假的输电线路目标;实验结果表明我们提出的算法在无人机拍摄的实际场景高分辨图像上的电力线识别率能够达到98%,且能够达到实时检测的要求。
简介:摘要输电线路大多分布在荒郊野外,地形复杂,人工巡视困难。线路设备在遭受狂风、暴雨、冰雪等自然原因和违章施工碰线等人为原因破坏后,须迅速查找故障点,分析故障原因,这对线路运维单位查找故障点的准确性和及时性有着很高的要求。因此,探索能够迅速、简单、准确地查找到故障点,能够实现多角度、全方位地观测检查隐性或潜在的安全隐患的方法,是当前线路运行部门面临的一个重要课题。采用无人机巡检输电线路可以在第一时间查明故障位置,且不会受到地形条件的影响,同时,还可以实现多角度、全方位的巡检,进而从整体上掌握输电线路的运行状况。可见,无人机的应用对于输电线路巡检工作具有重要意义。
简介:摘要:无人机电网巡视具有区域小、背景复杂、计算量大等问题,使得其精度和实时性都很难达到。为了准确、快速地识别无人机电网巡检,对各种深度学习算法在复杂环境中的应用进行了分析,并给出了一种新的基于 YOLOv3的方法。首先选择ResNet18作为主干网络,再构造多尺度特征金字塔,并与骨干网络相结合,构成一种深度融合的电力系统监测系统,既能保证实时检测的精度,又能保证实时性。实验结果显示, YOLOv3网络的平均平均准确率(m AP)达到98.10%,较 FasterR-CNN提高6.71%;它能探测到的帧数为47.52帧,比R-CNN和FasterR-CNN快了25倍,比R-CNN快了12倍。提出的 YOLOv3网络在识别准确率和检测速度上都得到了较好的提高。