关键词:
电力巡检
输电线路异物
改进YOLOX
图像去模糊
目标检测
摘要:
随着中国的现代化进程不断加速推进,对电能资源的需求与日俱增,确保可靠安全的电力供应尤为关键。作为电能传输的重要载体,输电线路的安全稳定运行是电能供应的重要保障。鉴于输电线路架设地域偏远,跨越范围广阔,极易悬挂各种异物,从而引发各种短路甚至火灾事故,因此必须开展输电线路巡检工作。为了减轻电力相关部门人工巡检的负担,基于图像处理的自动化电力巡检方式应运而生。本课题对输电线路异物检测进行研究,在电力巡检过程中,针对因无人机相对运动造成的图像模糊,以及异物检测难度大准确率低的问题,本文提出了改进MIMOUNet的图像去模糊算法和基于改进YOLOX的目标检测算法,并搭建基于图像处理的输电线路异物检测系统,对输电线路上存在的异物进行检测。实验结果表明,本文方法的检测效果更准确,对于输电线路异物检测研究具有重要的参考价值。本文主要研究工作如下:
1.针对实际中获取的输电线路异物图像资源有限的问题,采用多种数据增强方式对原始数据集进行扩增并使用人工标注,构建输电线路异物检测数据集,为后续实验奠定基础。
2.针对电力巡检过程中采集的图像存在模糊且现有去模糊方法复原细节效果差等问题,基于MIMO-UNet网络模型,提出了一种RFDMFFN算法。采用轻量的残差特征蒸馏模块,并设计多尺度特征渐进式融合模块,以提升网络特征学习能力,恢复出更丰富的细节信息。通过实验与其他算法相比较,实验结果表明改进算法的评价指标更优异,对模糊图像的恢复最为清晰,便于异物检测任务的进行。
3.针对输电线路异物人工检测存在局限以及智能检测算法准确性低等问题,利用YOLOX网络模型设计了输电线路异物检测算法。结合Swin Transformer V2构建主干特征提取网络,采用重参数化模块Rep VGG,并设计混合金字塔池化模块HSPP,以便网络更好的提取特征信息。通过设置对比实验和消融实验进行验证,实验结果显示,改进的YOLOX算法准确率较高,检测效果较好。
4.搭建基于图像处理的输电线路异物检测系统,通过设计无人机飞控以及图像去模糊的软硬件部分,构建可视化的异物检测界面,运行改进的异物检测算法,实现输电线路异物的准确检测。
图[62]表[6]参[91]