【摘 要】
:
输电线路上存在着数量庞大的金具及螺栓,由于常年暴露在野外,极易出现破损、倾斜与螺栓部件的缺失问题,同时人工巡检的方式也无法完成日益增长的巡检任务。利用深度学习技术可以迅速而准确的检测出原始航拍输电线路图像上的金具目标,再将金具检测结果从原始图像中剪裁出来,最后进行金具上螺栓的缺陷检测。针对现有金具检测方法只注重于单一区域,从未考虑过金具之间存在的联系性问题。从实际经验来看,各类金具在构建一个完整的
论文部分内容阅读
输电线路上存在着数量庞大的金具及螺栓,由于常年暴露在野外,极易出现破损、倾斜与螺栓部件的缺失问题,同时人工巡检的方式也无法完成日益增长的巡检任务。利用深度学习技术可以迅速而准确的检测出原始航拍输电线路图像上的金具目标,再将金具检测结果从原始图像中剪裁出来,最后进行金具上螺栓的缺陷检测。针对现有金具检测方法只注重于单一区域,从未考虑过金具之间存在的联系性问题。从实际经验来看,各类金具在构建一个完整的、完好的输电线路时其存在着一定规则性知识。本文以此为依据提出了一种知识引导的航拍输电线路金具检测模型,该模型包含两个模块分别学习金具的空间布局与成对关系。第一个模块为隐式模块,从金具在图像上的空间布局出发,以候选区域的相对几何特征为输入建模金具在图像上的空间位置知识;模块二为显式模块,引入以共现模式表达的金具先验知识,将候选区域作为节点,先验知识作为节点之间的边,构建先验知识图,并利用门控图神经网络在先验知识图上进行信息传播,将金具先验知识与候选区域的特征结合。在航拍输电线路典型金具数据集进行验证,实验结果证明与Faster R-CNN相比在Io U={0.5:0.95}下模型AP值提升了4.4%,在Io U=0.5情况下模型AP值提升了3.9%。针对航拍输电线路图像中螺栓目标小、不同螺栓缺陷间差异小使得精细特征难以提取以及螺栓区域的检测效果不佳的问题,本文提出了一种嵌入双注意力机制的Faster R-CNN航拍输电线路螺栓缺陷检测模型。该模型使用注意力机制分别对不同尺度和不同位置的视觉特征进行分析增强。首先对于不同尺度特征,网络提取每一层的特征图,并计算出相应的注意力图,然后将相邻层的注意力图差异性作为正则化项加入网络中,增强螺栓区域的精细特征。其次对于不同位置的特征,利用视觉特征计算出图像的空间注意力图,注意力图中每个元素表示两个空间位置的相似程度,然后将其作为加权系数将每个位置的特征与全局特征融合,从全局视野上增强相似位置的视觉特征,增大螺栓与背景的特征差异程度。在航拍输电线路典型螺栓数据集上进行测试,与Faster R-CNN相比本文方法的m AP值提高了2.21%,其中正常螺栓、缺销螺栓和螺母缺失螺栓m AP值分别提升了0.29%、5.23%和1.1%。
其他文献
本文综述了国内外学者在布里渊光时域分析(BOTDA)系统技术和信噪比改善方面的研究概况。传统BOTDA系统受信噪比(SNR)的限制,不能满足大型工程高精度、长距离等要求,因此,信噪比是决定BOTDA系统性能的关键参数。如何进一步降低系统噪声对探测信号的影响、保证测量准确度的同时减少数据处理时间是目前BOTDA技术亟待解决的问题之一。采用非局部均值(NLM)算法对RBOTDA温度传感实验数据进行降噪
血管内光学相干层析成像(Intra Vascular Optical Coherence Tomography,IVOCT)是目前分辨率最高的血管内成像技术,但其穿透能力较弱,且在病变出现的早期,仅根据组织结构图像无法准确识别粥样硬化斑块成分,需要形态结构之外的生理信息对比机制,获得具有临床参考价值的组织光学特征参数。血管内光声成像(Intra Vascular Photo Acoustic,IV
当前背景下,全球能源问题火热、电网规模不断增加、特高压工程建设不断完善、电力系统不断扩张融合,作为重要电气设备之一的电力变压器面临着无法避免的电能质量问题和更高的标准要求。谐波的存在不仅导致变压器损耗的增加以及产生振动噪声,也在一定程度上威胁电气设备运行安全、降低使用寿命。如何完成复杂工况下变压器铁心损耗分离是复杂而重要的研究课题。为了对电工钢片和变压器叠片铁心在复杂激励条件时的损耗进行准确计算和
灾难发生后的现场救援是挽救人民群众生命和财产安全的重要手段。由于灾难现场环境复杂,救援人员可能受到不可预知的危险,威胁救援人员的生命安全,增加灾难造成的损失。在复杂环境中,救援机器人可以有效保护救援人员的生命安全,提高救援队伍的战斗力。因此机器人救援策略的研究,不仅具有重要的科学意义,也具有显著地应用价值。基于粒子群算法的机器人救援策略是目前的研究热点。其目标是将多机器人任务分配的策略进行优化,从
内窥式光声层析成像(Endoscopic Photo Acoustic Tomography,EPAT)是一种检测生物腔体组织病变的新型成像方法。由于探测器的扫描几何封闭在管腔内,使光声信号的采集方式受到高度限制,导致探测器有时只能在有限扫描角度范围内采集到不完备的光声信号,进而影响重建图像质量。本文研究利用有限角度稀疏测量数据重建高质量EPAT图像的深度学习方法。主要工作包括两方面:一是针对从有
燃煤电站每年向环境中排放大量的粉尘、NOx、SOx、等污染物并且烟气中Hg、As、Pb等痕量元素的排放也一直被当做环境中重金属的主要来源。当前燃煤电站痕量元素污染物的主要脱除技术和设备有活性炭注射技术、选择性催化还原设备、静电除尘设备和布袋除尘设备。然而这些技术和设备的使用成本较高且对痕量元素的脱除效率也相对较低,因此研究一种价格低且脱除效率高的材料将对燃煤电站痕量元素污染物的脱除具有重要意义。飞
低转速滚动轴承被广泛应用于工程机械和风力发电等领域,其运行状态的稳定与否将会直接或间接影响整个机械系统的稳定性和可靠性,因此对低转速滚动轴承的故障诊断研究具有十分重要的意义。本文对含有确定性强干扰成分的低转速滚动轴承振动信号进行故障诊断方法研究,主要研究内容如下:(1)针对强干扰下低转速滚动轴承故障特征信息微弱的问题,提出了基于SVD-VMD的低转速滚动轴承故障特征提取方法。利用奇异值及其差分谱和
SiCp/Al复合材料由于其良好的物理性能,已经在航空航天、汽车、电子、军事和精密仪器等领域广泛地应用。然而,由于SiCp/Al复合材料特有的内部不均匀的特性,导致SiCp/Al复合材料在切削加工过程中,容易造成加工表面缺陷,致使加工表面粗糙度差等一系列问题的产生,尤其是随着Si C颗粒体积百分数的增加,其切削加工时,表面粗糙度更加难以控制。因此,本文针对高体积分数SiCp/Al复合材料加工过程中
虚拟电厂作为分布式电源大规模并网的一种重要途径,受到了越来越多的关注。它一方面通过将多种电源聚合在一起实现了整体出力的稳定可靠,另一方面又避免了微网受地域局限性强的缺点,更适应当前的可再生能源消纳需求。而要充分发挥虚拟电厂的作用,首先就是要合理配置其中各个电源的容量。但现有研究中多假定虚拟电厂电源归属同一家投资商,未探究虚拟电厂投资商构成方式不同时对容量配置结果的影响。同时,对容量配置结果也多从电