摘要：为提升输电线缆绝缘子缺失识别的准确度和速度,设计了基于无人机巡检图像和蒲公英算法(Dandelion Algorithm,DA)的输电线缆绝缘子缺陷自动检测系统。利用无人机检测技术实现对输电线缺失绝缘子的定位和检测,对无人机获取的绝缘子自动识别图像进行特征提取,规划无人机巡检路径,计算输电线缺失绝缘子的特征向量,利用最小二乘法拟合处理输电线缺失绝缘子的特征图像,通过计算绝缘子的位置门限确定漏损绝缘子的具体位置,从而可以精确确定缺陷的位置。在该过程中,引用了一种蒲公英算法用于无人机PID控制参数的优化问题,在此基础上,提出了一种基于遗传算法的种子播种方法,并对其进行了理论分析。实验结果表明,本文所提出的研究方法对物体辨识的正确率可达98%,具有较高的实用价值。

摘要：以目前变电站电力设备故障监测为背景,以变电站绝缘子为对象,利用机器视觉技术,重点开展了基于双通道的图像采集技术、电力设备目标识别以及红外感兴趣区域(ROI)自动定位测温技术的研究。通过硬件设计获取双通道(可见光、红外)图像信息,建立了绝缘子数据库,利用Mask R-CNN算法对绝缘子进行有效识别,利用红外测温技术对红外ROI区域进行自动测温,搭建了一套基于双通道图像的电力设备智能监测系统。实验结果表明:本文提出的算法可以实现精确的绝缘子目标识别,为电力设备的智能监测提供了可行的视觉监测技术途径。

摘要：在分析输电线路无人机巡检系统航拍图像中绝缘子及其自爆缺陷特征的基础上,提出一种玻璃绝缘子自爆缺陷的检测及定位方法。该方法首先在色调、色饱和度、亮度(HSI)颜色空间分别对H(Hue)和S(Saturation)分量运用最大类间方差法(OTSU)分割图像,获取绝缘子前景连通域;之后,运用直方图方法对检测到的前景轮廓的倾角和面积分布进行统计,准确识别绝缘子轮廓;最后,设计了一种特征检测算法,检测并标记自爆绝缘子位置。实验证明该方法能从自然背景中准确检测并定位绝缘子自爆缺陷,具有较好的工程应用价值。