摘要：针对变电站入侵异物尺度差异大和模型复杂的问题,提出了一种基于多尺度线性注意力机制与YOLOv5融合的变电站异物入侵检测算法。首先,采用轻量级多尺度线性注意力模型(Efficient ViT)作为主干网络,提升模型多尺度学习能力。其次,将颈部网络三卷积跨阶段局部瓶颈模块(C3)中的瓶颈层替换为轻量级的幻影卷积瓶颈层,降低模型的复杂度。最后,设计了三重增强注意力机制(TEA),并将其融入颈部网络C3模块中,通过各维度之间的交互和增大的感受野,有效地融合特征信息,提高检测精度。实验结果显示,与原模型相比,改进模型平均精度均值提高了1.4%,浮点运算次数降低了23.9%,提高异物检测精度的同时降低了模型复杂度,有利于实际中的应用。

摘要：针对传统异物入侵检测存在的问题,提出一种基于孪生神经网络的变电站异物入侵检测方法。用孪生神经网络进行运动前景提取,将背景图和待检图同时送入孪生神经网络,并且在后处理网络中引入注意力机制,最后通过连通域处理直接输出异物检测结果。此方法对异物没有预设检测类别的限制,另外设计的数据增强也进一步提高了算法抗抖动和抗光照变化能力。在测试数据集上取得的98.35%的准确率和98.61%的召回率证明了模型的有效性。

摘要：输电线路是电网的重要组成部分,其分布范围广、工况复杂,极易遭受到外力破坏。为预防异物入侵影响输电线路的安全稳定运行,设计了一套输电线路异物入侵多维度检测及预警系统,可实现对电力现场入侵物体空间位置确定、与架空线之间的距离测算。该系统可提高输电线路的整体智能化运维水平,提升工作效率,降低运维成本,有效保证电网运行安全。

摘要：提出了一种应用于监控视频的异物入侵检测快速算法。算法分成两个部分,包括利用低层语义快速粗定位和利用高层语义精确检测。粗定位部分通过背景建模获得可疑目标区域,再用基于运动轨迹的快速粗过滤算法获得候选区域。其中,所提快速粗过滤算法以目标运动位移量与平均移动速率特征抑制噪声干扰。精确检测部分通过设计一个轻量级相似性比对神经网络进一步过滤误报以获取报警区域,然后利用分类器实现报警结果分类。实验结果表明,相比于darknet19二次分类过滤和YOLO目标检测等算法,所提算法性能更优,更具一般性,能够检测出非常见物,同时也能够在移动便携式计算机上实时运行。

摘要：为保证变电站体系的安全运行,防止小动物入侵,提出了融合图像与红外传感的变电站异物入侵在线监测方法。利用红外传感设备,将采集到的图像信息融合在一起,通过节点规划的方式,完成异物入侵监测区域的划分。在此基础上,确定入侵数据的样本集合,根据已选取的监测指标,计算权重指标的具体数值,完成融合图像与红外传感的变电站异物入侵在线监测方法的设计与应用。实验结果表明,利用该方法监测的小动物入侵图像更为清晰,符合维护变电站安全运行能力的实际应用需求。

摘要：轨道交通线路异物入侵具有突发性、破坏力巨大等特征,对轨道交通安全运营构成巨大威胁,为行业一级防灾响应.针对目前国内外已经安装和使用的异物入侵检测装备存在的漏报与误报问题,提出一种基于机器视觉理论和仿射几何原理的异物入侵轨道交通线路检测方法,建立异物入侵检测系统模型,设计软硬件系统,并阐明异物入侵检测流程和策略.兰新铁路现场验证性试验结果表明:本文方法能自动测量异物的三维尺寸信息,并自动报警或预警,可全天候、实时、准确检测异物入侵轨道交通线路事件.

摘要：铁路异物入侵一直是影响铁路安全运行的一大威胁物,针对目前市场上基于计算机视觉进行异物识别的铁路异物入侵检测设备存在的漏报与误报问题,提出一种基于激光雷达和机器视觉相结合的异物入侵轨道交通线路检测系统,建立铁路安全检测系统,设计软硬件系统。本系统在监测区域可以精准定位异物入侵位置,对入侵物进行图像采集并识别,实现异物入侵自动报警和边坡沉降预警,可全天候、实时、准确检测异物入侵,对铁路交通运行安全有重大的意义。

摘要：针对铁路线路情况设计实时异物距离测试方案,基于车钩装载移动式摄像机和钢轨识别方法,利用横向视觉和纵向视觉几何原理,提出2种钢轨异物距离检测算法,为铁路运输安全提供技术方案。整体方案经过实验室线路试验以及乌鲁木齐铁路局现场试验验证,异物距离测试精度满足工程要求,算法具有较好的鲁棒性;数据误差分析中,尤其是中长距离,基于横向视觉比纵向视觉的检测方法更加准确,适合监控远程异物距离。

摘要：针对当前铁路运维管理中利用BIM技术构建的运维管理平台,提出基于图像识别技术维护日常运维的应用方案:将图像识别技术和BIM技术结合应用到运维管理的信息化系统中,通过对比不同的识别技术,提出了应用YOLOV3更新设备状态信息的方法,以提高运维管理工作的效率和质量。