【摘 要】
:
高压电缆表面缺陷会严重影响电缆的绝缘性能,给电力系统安全运行带来严重隐患,因此对高压表面缺陷进行检测是电网维护中必不可少的环节。针对目前高压电缆在敷设前仍依靠人工检测表面缺陷的问题,本文提出了一种基于三维视觉算法的缺陷自动检测方案。通过三维重建技术对高压电缆表面进行三维重建,获取三维点云数据然后分析高压电缆表面缺陷三维模型,利用其凹凸特性实现对缺陷区域的检测定位。首先本文就线结构光三维重建算法进行
论文部分内容阅读
高压电缆表面缺陷会严重影响电缆的绝缘性能,给电力系统安全运行带来严重隐患,因此对高压表面缺陷进行检测是电网维护中必不可少的环节。针对目前高压电缆在敷设前仍依靠人工检测表面缺陷的问题,本文提出了一种基于三维视觉算法的缺陷自动检测方案。通过三维重建技术对高压电缆表面进行三维重建,获取三维点云数据然后分析高压电缆表面缺陷三维模型,利用其凹凸特性实现对缺陷区域的检测定位。首先本文就线结构光三维重建算法进行了深入研究。针对高压电缆三维重建过程中出现的渗光现象进行了分析,确定了线性最好的激光波长。随后对Steger激光线提取算法进行了改进,设计了利用激光线宽度确定高斯卷积核参数的方法。针对激光线重建后的表面的噪声无法被现有点云去噪算法有效去除的问题,提出了一种基于邻域梯度的噪声去除算法,成功对单线点云上的离群点进行剔除。最后针对相机标定精度难以达到精确拼接的问题,提出了一种细拼接的方案,实现对高压电缆点云的拼接,从而完成对高压电缆的完整重建。随后,分析了高压电缆表面缺陷的三维模型,针对高压电缆表面缺陷的三维模型,提出了一种局部凹凸性的描述方法。在此基础上提出了一种基于局部凹凸性的缺陷检测算法,该算法通过超体素分割建立不同点云区域间的拓扑关系,随后通过局部凹凸性变化检测实现对缺陷区域的标记,通过点云聚类实现对缺陷区域的提取,以建立最小包围盒的方式完成对缺陷区域的定位和尺寸测量。本文搭建了高压电缆三维重建及缺陷检测的硬件平台,并设计了对应的软件系统。实现了对110KV高压电缆的完整三维重建,并对重建精度进行了评价,其中对高度重建的最大平均误差在0.06mm左右,满足对深度0.2mm以上缺陷的重建要求。同时对高压电缆打磨表面各缺陷进行了检测,缺陷总体识别率为87.38%,满足人工检测的要求,检测效果表明该系统具有较强的可行性。
其他文献
作为非语音音频分类任务中最重要的研究领域之一,声音事件识别被广泛应用于音频监控、音频场景分析、生物声学监测、医疗诊断等领域。声音是信息传播的主要途径,通过分析声音中携带的信息指导人类的生活和生产,提高生活生产效率。传统的特征提取器在设计的时候需要研究者具有大量的先验知识以及进行复杂的计算;传统的人工设计的网络模型对声音进行建模,其精度难以达到令人满意的结果。本文将使用深度学习的方法解决声音事件识别
现代社会中,人们对安全隐私更为看重,对独居老人的看护系统也愈加智能化与人性化,深度学习算法的融入也使得其市场应用前景更为广阔。看护系统中人体异常行为识别算法也同时成为了大量国内外学者的热门研究内容。为了提升老人看护系统的精确性且同时能够保障用户的隐私安全,本文提出了一种基于红外光场景的家庭看护的异常行为智能识别方案,此方案由人体目标提取处理、训练行为识别网络以及异常行为判别等环节组成。在人体目标提
由于生物特征识别技术在保持便携性的同时,比传统的个人身份验证方式有更高的安全性,所以得到了广泛的关注。其中,依靠手指静脉图像进行身份识别的技术因在现有的生物特征识别技术中拥有更高的安全性而快速发展起来。人工设计算子表达手指静脉图像中纹理信息的方法由于处理步骤繁琐并且鲁棒性和泛化性较弱,逐渐被特征提取能力更强的卷积神经网络方法替代,但是与此同时,这也提高了对运行设备算力的要求。因此,需要研究卷积神经
人体异常行为监测对公共区域安全及城市安防建设意义重大。传统监控方式主要通过人工复检,易出现误检、漏检等问题。同时固定监控摄像头监测范围有限,灵活性不足。针对上述问题,面向航拍场景结合对环境变化鲁棒性较好的人体姿态信息,本文研究了基于图卷积的航拍人体异常行为识别。(1)针对嵌入式平台存储与运算性能有限的问题,设计了一种轻量化人体姿态估计网络。基于高分辨率表征学习网络(High-Resolution
推进剂是火箭发射的重要组成部分,研究推进剂燃烧过程中的气体成分、温度和充分燃烧条件具有重要的指导意义,也是推进剂高效有序燃烧的基础。在燃烧场诊断技术中,温度是研究燃烧机理的重要参数之一。定性或定量研究推进剂燃烧过程中的二维温度场分布,对深入了解火焰燃烧形态、火焰燃烧成分检测和燃面制备等具有重要意义。本文将利用双色平面激光诱导荧光测温技术测量酒精灯和推进剂的燃烧火焰二维温度。设计双色平面激光诱导荧光
随着全球气候变暖和环境污染日益严重,节能减排已成为全世界关注的问题。锂电池因其具有良好的电化学性能,已大规模应用于光伏储能电站、新能源汽车等场景。在不同的应用场景下,所使用的荷电状态(SOC,State of Charge)区间及充放电倍率不一致,而使用合适的区间及充放电倍率可有效减缓锂电池的老化,因此明确锂电池工作的SOC区间及充放电倍率对其老化的影响程度是目前需解决的关键问题之一。本文针对不同
随着科技的发展,数字图像已成为人们获取信息的重要载体,然而由于采集设备的固有缺陷或传输设备的影响,所获取的图像通常会受到噪声的污染,可能导致后续对图像的理解产生偏差。为从图像中获取准确的信息,对图像进行去噪处理的研究应运而生。在各类图像去噪问题中,医学超声图像中存在的斑点噪声影响了图像的质量,不利于医生对图像关键信息的准确掌握。因此,抑制医学超声图像中的斑点噪声是一项重要的研究内容。在现有的众多超
随着科技和社会的发展,机器人逐渐走进柔性制造、医疗康复、仓储零售、农业采摘、家庭服务等应用领域。智能抓取是机器人实现智能化的关键技术之一,也是保障机器人适应复杂作业场景必须要解决的关键问题。但在复杂非结构化环境中,存在物体种类多样、位姿随机、物体间遮挡堆叠的情况,严重影响了机器人目标识别与抓取能力。本课题围绕多物体堆叠场景下目标检测识别和物体抓取位姿估计等技术进行了研究,实现了一种堆叠场景下机器人
近年来,城镇化进程加快,建筑垃圾数量呈指数级增长,优化建筑垃圾处置工艺实现垃圾智能回收,提高资源回收率迫在眉睫。基于浅层特征与分类器的传统视觉检测方法在复杂的建筑垃圾应用场景中稳健性不足。深度卷积神经网络作为一种基于数据驱动的学习模型,具有更强的特征提取能力与表征能力,在建筑垃圾分拣中有重要应用价值。但它对数据丰富的依赖性与建筑垃圾样本数据构建困难的矛盾制约了其适用性。本课题旨在研究小规模数据集下
水利设施的安全问题关乎到国计民生,水利设施长期安全稳定地运行将产生巨大的经济效益,对水利设施进行安全状态评估可以较好地研究其运行规律、评价其各个时期的运行状态。水利设施所处的环境通常条件恶劣、具有较为复杂的工作机制,使得其在长期运行当中容易受到多种环境因素的影响,单一的监测指标无法充分体现出结构破坏所含有的特征,难以实现对水利设施整体运行状态预测与评估。本文以某水电站4#引水涵洞为实际工程背景,以