摘要：由于输电线路绝缘子缺陷特征的差异性,导致识别效果难以得到保障,因此提出基于XGBoost算法的输电线路绝缘子缺陷识别方法。采用空间域法中的灰度变换和基于模板卷积的图像平滑技术对原始输电线路绝缘子图像进行具体的增强处理后,通过集成多个弱分类器(CART回归树)构建强分类器,并构建了包含损失函数和正则化项的XGBoost目标函数,通过泰勒展开和二阶导数信息求解输电线路绝缘子缺陷的最优解。在测试结果中,设计方法能够对大部分缺陷状态实现有效识别,对个别缺陷状态的未识别规模也在1.0%以内,具有良好的识别性能。

摘要：输电线路走廊内树木过高或距离过近,极易导致电气闪络、供电中断等安全风险,对电力系统的平稳高效运行构成了重大威胁。为此,提出基于机载LiDAR点云数据的输电线路树障单木自动识别。利用机载LiDAR技术采集输电线路点云数据,通过优化处理及迭代最小二乘内插法提取并拟合非地面点的地形表面模型,基于机载LiDAR点云数据,结合动态距离阈值策略,自动识别单木,并建立分级预警机制,预防树障风险。实验结果表明,该技术能够精准、高效地识别出输电线路周边的树木,各实验场景下识别完整度均超过90%,符合设计要求。

摘要：针对基于FPGA平台的神经网络开发周期过长、调节网络模型麻烦等问题,设计了一种基于ZYNQ的通用型卷积神经网络模型。首先通过Tensorflow平台搭建神经网络并训练得到模型各层权重;其次利用高层次综合工具进行卷积层和池化层的IP核设计;然后在ZYNQ平台上部署模型;最后分别运行了Le Net-5和Alex Net-8神经网络进行验证。实验结果表明模型在只损失极少准确度的情况下,卷积与池化运算速度相比于ARM平台分别提高了3.65倍和2.31倍,并具备通用性。