摘要：输电线路上绝缘子的完整性直接影响了输电的安全与可靠性.采用深度学习方法,对绝缘子图像识别提取和缺陷检测问题进行了研究.首先基于优化的U-net模型获取绝缘子区域掩模图像,实现对绝缘子串语义分割;然后基于YOLOv4模型获取缺陷绝缘子的位置,实现对自爆绝缘子目标的检测.为充分利用高分辨率图像的像素信息,提出“切分-识别-合成”的检测思路,精确分割出绝缘子以及判断并获取缺陷区域;最后设计了多组实验并进行对比,验证了模型的有效性.采用优化的U-net模型分割绝缘子的Dice系数达0.92;采用YOLOv4模型检测自爆绝缘子的识别精度达0.96,平均重叠度IOU达0.88.研究结果对实现电力系统运维的智能化具有较高的应用价值.

摘要：目的:基于YL-730A实验设备和Niagara软件平台,设计一种新系统软件架构,实现了远程实验的功能。方法:基于NIO网络架构,提出了一种新的匹配算法,实现在数据线传输的同时,进行双方点对点配对。结果:当40位学生同时在线时,发送速率为200 ms,软件架构的内存占用率和平均时延都能满足实验的要求。结论:通过该系统软件架构,当学生由于疫情等突发情况无法在实验室进行实验时,可以突破实验室地理空间限制,提升学生的参与感,加深学生对实验的理解。