摘要：变电站设备大多处于密闭空间中,依赖传感器和专家经验来判别故障,为避免当前故障判别方式的弊端并提高变电站智能化水平,提出一种智能判定方法。首先,在对各类巡检需求分析的基础上完成数据的采集和标注,构建数据库;其次,分别介绍门控循环单元和粒子群算法,基于粒子群优化的门控循环单元网络(particle swarm optimization-gated recurrent unit,PSO-GRU)提出智能故障判定方法,给出了具体的网络结构和算法流程;最后,结合实际数据设计仿真实验,提供了具体的实验方式和流程,将本文方法的判别效果进行验证并与其他两种网络进行对比。结果表明:PSO-GRU对故障的判定更加快速和准确。

摘要：为解决低质量红外图像细节模糊、对比度低等问题,提出了并行多特征提取网络的红外图像增强方法,设计了结构特征映射网络和双尺度特征提取网络。结构特征映射网络用于建立全局结构特征权重,以保持原始图像的空间结构信息。双尺度特征提取网络采用多尺度卷积层和融合多空洞卷积的注意力,增强网络对上下文信息的关注力,提升网络对感兴趣区域的特征提取能力,同时学习不同尺度的特征信息,完成双尺度间信息的交换,生成目标增强映射,实现目标区域细节纹理自适应增强。实验证明,所提方法能有效提高对比度,避免过增强,丰富图像细节纹理,减少伪影和光晕现象,在BSD200数据集上的PSNR与SSIM较典型的传统方法和深度学习方法分别提升了约37.35%、2.1%与25.94%、3.15%,在真实红外数据集上分别提升了约30.62%、1.04%与24.83%、2.08%,且对不同对比度因子的低质量图像,文中方法也具有良好的增强效果。

摘要：针对红外和可见光目标检测方法存在的不足,将深度学习技术与多源目标检测相结合,提出了一种基于自适应注意力机制的目标检测方法。该方法首先以深度可分离卷积为核心构建双源特征提取结构,分别提取红外和可见光目标特征。其次,为充分互补目标多模态信息,设计了自适应注意力机制,以数据驱动的方式加权融合红外和可见光特征,保证特征充分融合的同时降低噪声干扰。最后,针对多尺度目标检测,将自适应注意力机制结合多尺度参数来提取并融合目标全局和局部特征,提升尺度不变性。通过实验表明,所提方法相较于同类型目标检测算法能够准确高效地在复杂场景下实现目标识别和定位,并且在实际变电站设备检测中,该方法也体现出更高的泛化性和鲁棒性,可以有效辅助机器人完成目标检测任务。

摘要：为缓解近年发电行业事故频发及一线工人日趋紧缺的局面,提出了智能巡检机器人系统,通过开发整合智能检测技术,使其具备视频图像识别、红外测温、激光测振及声音拾取、(水、酸、碱、气、汽)跑冒滴漏检测、数据采集及统计分析的专家系统、手机APP远端在线监控等满足发电厂日常巡检需求的六大功能的实施方案,并且在发电厂实现了示范应用,各项功能都达到了预期目标,为后续的规模化应用提供了实践经验及优化方向,证明了智能巡检机器人在火力发电行业应用的可行性。

摘要：为提升变电站巡检机器人巡检效率和环境适应能力,将深度学习算法应用于变电站巡检机器人仪表检测和道路场景理解中,提出一种多视觉任务交替实现的轻量级卷积神经网络。该网络由骨干结构、控制模块、任务分支3部分串联组成,通过改进的Inception结构结合注意力模型提取图像特征信息,引入基于分类思想的控制模块实现仪表检测和场景理解支路交替运行,使网络充分利用平台计算资源,避免对无效信息的处理。实验结果表明,所提网络与传统网络相比,其精度与效率都有较大的提升,同时,在实际变电站场景中,该网络也体现出更高的适应性,可以更好辅助机器人完成巡检任务。

摘要：针对红外图像中目标对比度、信噪比以及分辨率都较低等特点,将传统图像处理方法与深度学习技术结合,提出了一种基于特征增强与融合的红外目标检测网络。网络首先利用图像滤波、锐化以及均衡化等方法突出红外图像中的目标特征,丰富网络输入信息;其次,针对单个维度以及不同维度间的特征,设计多层次信息聚合的特征提取结构,充分提取并融合目标空间语义信息;同时,为提升特征提取结构中关键特征权重,引入混合注意力机制,以多种方式捕获目标全局上下文信息后增强对应空间及通道信息;最后,针对不同尺度目标,采用自适应加权方式来综合相邻维度特征,实现各尺度红外目标准确高效的检测。通过在KAIST、FLIR以及RGBT数据集上的实验结果表明,所提方法与现有基于神经网络的红外目标检测方法相比有效提升了红外目标检测性能,并且在复杂场景下,该方法也比其他同类算法具有更高的适应性。

摘要：为了解决家庭看护的隐私问题以及时效性,设计了一种在被动红外的家庭看护场景的3D卷积神经网络Care3DNet。Care3DNet是一种基于C3D的改进算法,将前3层卷积层进行卷积分解,分解为深度卷积层与点卷积层的组合方式;再加一层卷积层并引入快捷连接来加强网络中特征信息流的传递。为了验证Care3DNet的实际行为识别效果,在行为数据集进行测试与评估,Care3DNet的TOP-1正确率可达到93.8%,相比原C3D算法提高了6.7%。并与其他经典行为识别网络进行混合动作实验对比,结果表明使用该方法在被动红外的家庭看护场景中的行为识别能够达到更为准确的效果,具有更优良的市场应用前景。

摘要：为提升语义分割网络特征提取的有效性以及尺度不变性,提出了一种基于混合注意力机制和多尺度特征自适应融合的轻量级语义分割算法。算法采用颜色空间转化、边缘提取以及灰度化等图像预处理方法增强输入图像信息;利用深度可分离卷积、池化和H-Swish激活结合残差结构逐步提取目标局部和全局特征,并设计混合注意力机制从最大、均值和标准差等角度分别捕获特征通道及空间位置的全局上下文信息,使网络聚焦目标关联特征,降低背景信息干扰;针对不同大小目标,引入了多尺度特征自适应加权融合结构,以自主选择的方式来避免各尺度目标特征相互影响。通过在标准、仿真以及实际场景数据集上的实验结果表明,所提方法有效提升了特征多样性以及关键特征的贡献,保障了多尺度目标准确识别,并能较好地应用于实际场景中,高效实现语义分割任务。

摘要：随着智能化、现代化的推广,越来越多的机器人进入了人们的视野,在生产、巡检、军事领域做出了极大的贡献,推动了社会的发展。尤其在变电站中,智能巡检机器人的应用极大程度上提高了巡检的效率及精度,也减少了人工巡检的安全风险问题,为变电站的巡检工作提供了极大的帮助。基于此,本文从控制系统、后台控制系统以及硬件系统出发,对智能巡检机器人系统设计进行了研究,为智能巡检机器人的发展提供了正向助力。

摘要：为了满足电厂输煤廊道的日常巡检需求,设计用于输煤廊道的智能巡检机器人自动化巡视系统。在机器人本体上搭载高清摄像头、温度传感器、声音传感器等传感器,利用轨道传动模块保障机器人巡检过程中灵活移动,利用搭载的传感器采集输煤廊道的图像信息与环境信息。利用通信模块在输煤廊道中布置通信基站,基于通信基站构建通信网络拓扑,利用通信网络将所采集的输煤廊道巡检信息传送至监控平台。监控平台通过控制软件以及远程数据显示软件的设计,输出输煤廊道巡视结果。经测试所设计系统可以实现输煤廊道的日常巡检。