摘要：针对无人机航拍配电线路时因安全限制导致背景复杂动态、绝缘子缺陷形态不规则、缺陷特征不明显与缺陷信息难捕捉的问题,提出了一种基于改进YOLOv8的配电线路绝缘子缺陷级联检测方法。在第一阶段,通过YOLOv8模型自动提取绝缘子部件图像,为第二阶段绝缘子缺陷检测提供准确的输入,摒除冗余背景信息的影响。在第二阶段,利用ConvNeXt V2主干网络提升模型对不规则形态目标的识别能力,提升网络的特征提取能力;通过在特征融合过程中加入边缘知识融合模块,精准提取缺陷边缘信息;设计自适应形状IoU增强方法,采用自适应训练样本选择策略优化正负样本比例,并使用充分考虑边界框回归样本自身形状和尺度等固有属性的Shape-IoU损失函数,使模型聚焦目标本质特征,改善模型漏检误检情况,提高检测的准确性和鲁棒性。经实验证明,基于改进YOLOv8的配电线路绝缘子缺陷级联检测方法比基线模型平均精确率提高了17.3%,有效提升配电线路绝缘子缺陷检测准确率,为电力系统的安全维护提供了有力的技术支持。

摘要：设计了以黑白电荷耦合器件(CCD)传感器为核心器件的在线监测系统,该系统可通过探测 近红外辐射从而对变电站中一些电力设备进行监测;构建了测温模型,并分析了影响测温的一些因 素,计算了温度场分布;最后对发热设备进行了监测实验,采集了热图像并用小波算法进行了去噪 处理;实验结果表明了用该方法能探测到的最低温度为152℃。

摘要：为了实现对电气设备的远程、实时、在线的红外温度图像和可见光图像监测,设计并实现了双通道系统。给出了以红外传感器和可见光电荷耦合器件(CCD)为核心器件的系统总体方案,描述了变电站端监测系统的具体硬件组成和工作原理,采用面向对象的思想和模块化程序设计开发了系统的服务器端软件及客户端软件,研究了基于傅里叶变换的红外与可见光图像的自动匹配方法及工程上易实现的手动匹配方法。该系统实现了对电气设备的双通道图像的远程、实时、在线监测,可及时发现设备外部问题以及过热、环境问题。现场运行表明,该系统稳定可靠、效果良好。

摘要：将变电设备的红外图像和可见光图像融合可大大提高热故障定位的准确度。鉴于小波变换缺乏方向信息,且不能为2维图像提供理想的稀疏表达,同时考虑到边缘特征在图像融合中的重要性,提出了一种基于轮廓波变换(contourlet transform,CT)域隐马尔可夫树(hidden Markov tree,HMT)模型的红外和可见光图像融合算法。利用所提出的算法,完成了某500kV变电站设备的红外和可见光图像融合。融合结果表明,该算法由于采用期望最大(expectation maximization,EM)算法对CT分解得到的高频系数进行HMT建模且设计了一种利用Canny算子进行边缘检测的融合规则,所以可在保留更多细节信息的同时,能得到更加光滑细腻的融合图像;融合结果的均值、标准差、平均梯度和信息熵等统计指标均有明显改善。该算法为变电设备的智能检测与识别提供了量化依据和指导。

摘要：为了实现对电气设备的远程、实时、在线的可见光图像和红外温度监测,设计并开发了具有红外检测与图像监控功能的系统。针对变电站电气设备在线监测的特点,从红外理论出发,构建了系统测温模型,分析了影响测温的一些因素及大气衰减的影响;完成了大气透射率的仿真计算并提出了温度修正算法以提高测温精度。开发了具有RS-485串口和激光瞄准方式的改进型红外测温仪,并将其红外测温功能与图像监控软件有效结合。该系统可以在图像监控画面上选择特定的电气设备对其进行远程红外测温,并将返回的温度值加以存储和分析。系统具有较高的经济效益和工程实际应用价值。

摘要：年龄是人的固有属性,在人的社会交往中起到了基础性作用,因此人脸图像的年龄估计是人工智能领域的重要问题之一.为了解决非受限条件下人脸图像年龄估计困难的问题,提出一种非受限条件下的多级残差网络人脸年龄估计方法.首先针对高分辨率图像数据集构建多级残差神经网络模型;然后采用Image Net数据集对多级残差网络进行预训练,以获得图像的基本特征表达;最后在非受限人脸年龄数据集上结合随机深度算法对网络模型进行微调.在非受限的Adience人脸年龄分类数据集上进行年龄分类对比实验的结果表明,该方法能够明显地提高非受限条件下人脸年龄估计的准确率,并在提高网络学习能力的同时有效地抑制小规模数据集带来的过拟合问题.

摘要：根据黑板模型设计了图像监控系统与监控和数据采集(SCADA)系统互联的基本模型。在 图像监控系统与SCADA系统之间建立接口,使图像监控系统可以利用SCADA系统转发的远动 数据,从而实现对SCADA系统的联动。提出了系统互联的软件和硬件实现方案,讨论了系统互联 的关键性技术。结合山西某供电公司的工程实际,设计了具体技术方案,并以模拟屏通信协议为例 说明了系统互联的软件实现过程。

摘要：输电线路航拍图像具有分辨率低、背景复杂、伪目标多等特点,使得传统图像特征描述法在解决航拍图像目标分类时效果不佳。标签分布学习(label distribution learning,LDL)算法能有效解决图像特征与标签分布的映射问题。该文提出一种基于VGG网络(visual geometry group net,VGGNet)深度神经网络和客观量化标签分布学习的航拍图像目标分类方法,将基于VGGNet提取的深度特征和客观标签量化相结合,完成测试图像的标签分布预测。在相同的客观量化标签分布学习分类器参数设置下,基于VGGNet提取的深度特征对输电线路航拍图像中绝缘子、杆塔和输电线分类的错误率分别为30.3%、33.0%和37.6%,均低于基于传统特征的分类错误率。试验结果表明,基于VGGNet提取的深度特征和客观量化标签分布学习方法能更好地解决航拍图像中目标分类问题。

摘要：为了提升深度学习目标检测模型在输电线路金具自动化检测任务中的准确率,针对金具检测数据集中金具目标标注框之间不可避免地广泛存在相交而导致金具目标检测定位不准确的问题,本文利用相交区域的相似性作为金具目标的上下文信息,提出目标间遮挡关系的描述方法,用于规则性描述图像中金具目标间的相互遮挡,设计遮挡关系模块,并将其嵌入到单次多框检测器(single shot multibox detector,SSD)模型中。为了验证嵌入遮挡关系模块的SSD模型的有效性,选择了8类目标标注框普遍存在相交的小目标金具进行实验,实验使用的金具检测数据集的训练集和测试集中金具目标数分别为6271和1713。实验证明,原始SSD模型的平均精度均值(mean average precision,mAP)为72.10%,嵌入遮挡关系模块的SSD模型的m AP为76.56%,性能提升了4.46%。

摘要：图像分类是计算机视觉中的一项重要任务,传统的图像分类方法具有一定的局限性。随着人工智能技术的发展,深度学习技术越来越成熟,利用深度卷积神经网络对图像进行分类成为研究热点,图像分类的深度卷积神经网络结构越来越多样,其性能远远好于传统的图像分类方法。本文立足于图像分类的深度卷积神经网络模型结构,根据模型发展和模型优化的历程,将深度卷积神经网络分为经典深度卷积神经网络模型、注意力机制深度卷积神经网络模型、轻量级深度卷积神经网络模型和神经网络架构搜索模型等4类,并对各类深度卷积神经网络模型结构的构造方法和特点进行了全面综述,对各类分类模型的性能进行了对比与分析。虽然深度卷积神经网络模型的结构设计越来越精妙,模型优化的方法越来越强大,图像分类准确率在不断刷新的同时,模型的参数量也在逐渐降低,训练和推理速度不断加快。然而深度卷积神经网络模型仍有一定的局限性,本文给出了存在的问题和未来可能的研究方向,即深度卷积神经网络模型主要以有监督学习方式进行图像分类,受到数据集质量和规模的限制,无监督式学习和半监督学习方式的深度卷积神经网络模型将是未来的重点研究方向之一;深度卷积神经网络模型的速度和资源消耗仍不尽人意,应用于移动式设备具有一定的挑战性;模型的优化方法以及衡量模型优劣的度量方法有待深入研究;人工设计深度卷积神经网络结构耗时耗力,神经架构搜索方法将是未来深度卷积神经网络模型设计的发展方向。