客服热线:19932581850

一种电力巡检图像中带销螺栓缺陷的检测方法

次浏览
  • 详细信息
  • 成果简介
  • 成果亮点
  • 前景分析
成果名称: 一种电力巡检图像中带销螺栓缺陷的检测方法 关键字: 应用行业: 电力、热力生产和供应业
高新技术领域: 电能与电力 所在地: 河北省 知识产权类型: 发明专利
知识产权编号: ZL201910541355 成果体现形式: 发明专利 成果属性:
成果所处阶段: 成果水平: 请选择... 研究形式:
学科分类: 战略新兴产业: 请选择... 课题来源:
第一完成单位名称: 华北电力大学(保定) 第一完成单位属性: 技术成熟度:
合作方式: 请选择... 交易价格(万): 3.00 所属十强产业:

本发明公开了一种电力巡检图像中带销螺栓缺陷的检测方法,主要包括Faster R‑CNN模型的构建、Faster R‑CNN模型的训练、带销螺栓目标的检测以及带销螺栓的缺陷判断的步骤,解决在复杂背景中对带销螺栓目标的难准确检测问题,大大提升了带销螺栓这种小目标物体的检测精度,为进一步进行带销螺栓缺陷诊断提供基础,同时提出了基于灰度图的带销螺栓缺陷判别方法,解决了现有带销螺栓缺陷难判别问题,为电网安全运行提供基础保障。

本发明解决在复杂背景中对带销螺栓目标的难准确检测问题,大大提升了带销螺栓这种小目标物体的检测精度,为进一步进行带销螺栓缺陷诊断提供基础;同时提出了基于灰度图的带销螺栓缺陷判别方法,解决了现有带销螺栓缺陷难判别问题,为电网安全运行提供基础保障。

保障输电线路的可靠性是能源互联网和智能电网建设的重要内容之一。螺栓是输电线路上极其重要且大量存在的紧固件,起到电力元件的连接作用;同时又是故障多发部件,其良好状态保障着电网的安全运行。其由于输电线路长期运行在户外,受各种气象环境的影响,尤其是舞动和振动,不可避免地造成螺栓的销子脱落、脱松等。
在电力系统线路的巡检中结合深度学习的方法,不仅大幅度减少了巡检中需要的运维人员数量,排除了因人的主观因素而出现的误检、漏检,还提高了工作效率,对电网状态的评估更加准确有效。目前深度学习模型在公共数据集的检测任务中具有突出的表现,其中,Faster R‑CNN(Region‑ConvolutionalNeuralNetwork)模型综合性能较为出色。
由于电力系统巡检图像背景极其复杂,使得Faster R‑CNN模型主要用于检测目标较大的部件,比如绝缘子、杆塔等,对于带销螺栓这种细小部件的检测几乎都不成功。


  • 附件

联系方式

  • 联系人:

    张女士

  • 联系电话:

    13722216923

  • QQ/MSN:

  • Email:

    shengxunkeji2000@sina.com

  • 通讯地址:

    河北保定

请填写以下信息

  • 联系人姓名:

  • 联系人电话:

  • 手机号:

  • 邮箱:

  • QQ:

  • 工作单位:

  • 地址:

  • 意向说明:

  • 取消 确定

    友情链接

  • logo图片

    专注专业

    资深行业经验,专业技术运作团队

  • logo图片

    信息保密

    专利或技术全方位严格保密,保证用户权益

  • logo图片

    快速转让

    依托大数据,精准对接需求企业,节约成本

  • logo图片

    一站式服务

    技术转让一站式服务,省心更放心