亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于無人機機載AI模塊的架空輸電線路巡檢技術(shù)

        2024-12-21 00:00:00陳琨
        中國新技術(shù)新產(chǎn)品 2024年16期
        關(guān)鍵詞:巡檢架空輸電線路無人機

        摘 要:在架空輸電線路的巡檢工作中,由于人工巡檢方式效率較低,難以滿足現(xiàn)代電網(wǎng)需求,因此本文基于無人機機載AI模塊對架空輸電線路巡檢技術(shù)進行研究。首先,采用YOLOv3算法構(gòu)建AI模塊算法,對輸電線路圖像進行精確識別。其次,對損失函數(shù)進行優(yōu)化,提高模型的預(yù)測準確性。最后,基于上述方法對架空輸電線路巡檢過程進行規(guī)劃。測試結(jié)果表明,本文所研究的AI模塊在輸電線路巡檢過程中能夠檢測架空輸電線路中存在的缺陷,應(yīng)用效果較好,能夠達到最初設(shè)計目標,說明本研究為架空輸電線路的巡檢提供了一種高效的解決方案。

        關(guān)鍵詞:無人機;機載AI模塊;架空輸電線路;巡檢

        中圖分類號:TM 74" " " " " " 文獻標志碼:A

        隨著電力網(wǎng)絡(luò)持續(xù)擴大,架空輸電線路的巡檢工作越來越重要。常規(guī)的人工巡檢方法存在效率低、人力成本高以及難以覆蓋復(fù)雜地形等問題[1]。因此,開發(fā)一種高效、智能且安全的巡檢技術(shù)已成為電力行業(yè)的迫切需求。

        隨著無人機技術(shù)的發(fā)展,引入機載AI模塊進一步提升了無人機巡檢的智能化水平[2]。采用先進的圖像識別和算法技術(shù),機載AI模塊能夠?qū)旊娋€路進行自動識別、定位和缺陷檢測,提高了巡檢的準確性和效率。

        本文研究基于無人機機載AI模塊的架空輸電線路巡檢技術(shù),詳細介紹了基于YOLOv3算法的AI模塊算法,分析其在圖像識別中的應(yīng)用。分析損失函數(shù)預(yù)測誤差以及模型優(yōu)化方法,提高AI模塊的識別準確率。利用技術(shù)應(yīng)用測試驗證該技術(shù)在輸電線路巡檢中的實際應(yīng)用效果。本研究為電力行業(yè)提供一種高效、智能和安全的巡檢方案,保障電力網(wǎng)絡(luò)安全運行。

        1 基于YOLOv3算法的AI模塊算法

        為了對輸電線路進行精確識別與檢測,本文引入YOLOv3算法中的圖像識別網(wǎng)絡(luò)模型,將其應(yīng)用于AI模塊中,以提升圖像處理速度,實時回傳檢測結(jié)果,自動生成檢測報告[3]。

        1.1 基于YOLOv3算法對機載AI模塊進行圖像識別

        無人機巡檢的核心技術(shù)是圖像處理與目標檢測,YOLOv3算法具有實時性和魯棒性,其準確性高,因此備受重視。為精準定位巡檢目標并快速識別缺陷,采用YOLOv3算法構(gòu)建機載AI模塊,將目標檢測轉(zhuǎn)化為單次前向傳播回歸問題,顯著提升識別效率。YOLOv3算法網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

        采用圖1中的YOLOv3模型結(jié)構(gòu),將輸入圖像劃分為網(wǎng)格。在每個網(wǎng)格范圍內(nèi)預(yù)測固定數(shù)量的邊界框,為每個邊界框匹配1個置信度得分,匯總網(wǎng)格中各個邊界的置信度得分。

        在YOLOv3的目標檢測算法中,每個網(wǎng)格單元i都需要預(yù)測一系列邊界框。根據(jù)中心坐標預(yù)測值來確定txi和tyi這些邊界框的位置和尺寸。寬度和高度預(yù)測值twi和thi反映了邊界框的寬度和高度相對于整個圖像的縮放因子[4]。YOLOv3算法的目標檢測框架如圖2所示。

        除了位置和尺寸信息外,YOLOv3還為每個邊界框預(yù)測了1個置信度值cib,這個值結(jié)合了邊界框內(nèi)存在目標的概率和邊界框預(yù)測的準確性。算法還預(yù)測了每個邊界框內(nèi)目標的類別概率Pr,表示在目標存在的情況下,該目標屬于某個特定類別的可能性。將預(yù)測框中心約束在特定網(wǎng)格內(nèi),這個過程如公式(1)~公式(4)所示。

        bx=σ(tx)+cx (1)

        by=σ(ty)+cy " (2)

        bw=pwetwnbsp; " " (3)

        bh=pheth " " " "(4)

        式中:bx和by分別為邊界框的中心坐標;σ為Sigmoid函數(shù),其作用是將tx和ty控制在[0,1];bw和bh分別為邊界框的寬度和高度;cx和cy分別為網(wǎng)格單元左下角x坐標和右下角y坐標;pw和ph分別為先驗框的寬度和高度;etw和eth分別為先驗框左上角tw坐標和右上角tk坐標,tw和th分別為w坐標和h坐標的寬度和高度實測值。

        結(jié)合置信度值和類別概率值,可以計算每個邊界框內(nèi)目標的最終得分,確定包括目的的邊界框,對圖像中的目標進行精確檢測。

        1.2 損失函數(shù)預(yù)測誤差

        在架空輸電線路巡檢中,基于YOLOv3的機載AI模塊利用損失函數(shù)評估預(yù)測性能,衡量預(yù)測與實際差異[5]。優(yōu)化損失函數(shù),該模塊能顯著提升對輸電線路以及其潛在缺陷的識別精度,保證巡檢效果。

        YOLOv3算法融合多尺度特征,在3個不同尺度的輸出層中精準預(yù)測各種大小的目標[6],全面評估預(yù)測準確性,提升模型性能,保證目標檢測的精準度和效率。

        坐標損失是YOLOv3優(yōu)化模型精度的關(guān)鍵部分,其使用均方誤差評估預(yù)測與真實邊界框的位置差異,如公式(5)所示。

        (5)

        式中:Lcoord為均方誤差;S2為網(wǎng)格的數(shù)量;B為每個網(wǎng)格預(yù)測的邊界框數(shù)量;i為第i個網(wǎng)格單元;j為第j個邊界框;Iijobj為第i個網(wǎng)格單元的第j個邊界框是否負責(zé)預(yù)測某個目標,負責(zé)為1,不負責(zé)為0;xi、yi、wi和hi分別為真實邊界框的中心坐標、寬度和高度;、、和分別為預(yù)測邊界框的中心坐標、寬度和高度;λcoord為坐標損失的權(quán)重系數(shù)。

        置信度損失的作用是評估模型對邊界框內(nèi)是否存在目標的預(yù)測準確性,其使用交叉熵損失函數(shù)來計算,如公式(6)所示。

        (6)

        式中:Iconf為交叉熵損失函數(shù);Ci和分別為真實和預(yù)測的置信度得分;λnoord為無目標邊界框的置信度損失的權(quán)重系數(shù);Iijnoobj為第i個網(wǎng)格單元的第j個邊界框不負責(zé)預(yù)測某個目標,不負責(zé)為1,負責(zé)為0。

        分類損失的作用是衡量模型對目標類別的預(yù)測準確性,其使用交叉熵損失函數(shù)來計算,如公式(7)所示。

        (7)

        式中:Lclass為分類損失;classes為所有可能的目標類別集合;pi(c)為真實的目標類別概率分布,對目標c來說,如果第i個網(wǎng)格的第j個邊界框包括該類別的目標,那么pi(c)=1,如果不包括那么為0;為模型預(yù)測的目標類別概率分布,為模型認為第i個網(wǎng)格的第j個邊界框內(nèi)目標屬于類別c的概率。

        綜上所述,綜合預(yù)測誤差如公式(8)所示。

        L=Lcoord+Lconf+Lclass " " " " (8)

        式中:L為預(yù)測誤差。

        1.3 架空輸電線路巡檢過程

        在架空輸電線路的巡檢過程中,無人機機載AI模塊集成了YOLOv3算法,保證巡檢過程的實時性和準確性。

        在巡檢過程中,AI模塊可以根據(jù)識別結(jié)果自動調(diào)整無人機的飛行軌跡和拍攝角度,獲取更加全面、清晰的圖像數(shù)據(jù)。AI模塊還可以對巡檢數(shù)據(jù)進行實時分析和處理,及時發(fā)現(xiàn)并報告潛在缺陷或異常情況,保障電力網(wǎng)絡(luò)安全、穩(wěn)定地運行。架空輸電線路巡檢流程如圖3所示。

        無人機根據(jù)預(yù)設(shè)的航線和航點進行自主飛行,并使用搭載的攝像頭實時獲取輸電線路圖像。AI模塊應(yīng)用YOLOv3算法對圖像進行目標識別,一旦檢測到缺陷,例如線路斷裂或絕緣子破損,模塊就會根據(jù)缺陷的類別和置信度進行判斷。如果置信度高于預(yù)設(shè)閾值,那么該缺陷即被視為真實故障,并自動記錄其位置、類型和置信度等信息,生成包括詳細信息的巡檢報告。如果置信度低于閾值,疑似出現(xiàn)缺陷,AI模塊就會將相關(guān)信息回傳至服務(wù)器進行二次識別,以保證識別的準確性。

        在這個過程中,無人機不僅能夠?qū)旊娋€路全面、高效地進行巡檢,還能夠自動生成詳細的巡檢報告,為后續(xù)故障處理和維護工作提供支持。

        2 技術(shù)應(yīng)用測試

        為了驗證本文所提的基于無人機機載AI模塊的架空輸電線路巡檢技術(shù)的實際應(yīng)用效果,對集成了YOLOv3算法的AI模塊進行測試,評估本文技術(shù)的應(yīng)用性能,測試巡檢過程中的缺陷檢測精度。本次應(yīng)用測試所使用的測試數(shù)據(jù)集包括有缺陷和無缺陷的絕緣子圖像各300張。以文獻[1]中的基于無人機低空攝影技術(shù)的架空輸電線路智能巡檢技術(shù)以及文獻[2]中的基于人工智能的輸電線路無人機巡檢技術(shù)為對比技術(shù),進行測試。

        為了更準確地描述模型性能,采用精度均值A(chǔ)m來評價模型準確度,計算過程如公式(9)所示。

        (9)

        式中:Tp為真正例,即模型正確預(yù)測為有缺陷的圖像數(shù)量;Fp為假正例,即模型錯誤預(yù)測為有缺陷的無缺陷圖像數(shù)量;Tn為真反例,即模型正確預(yù)測為無缺陷的圖像數(shù)量;Fn為假反例,即模型錯誤預(yù)測為無缺陷的有缺陷圖像數(shù)量。

        基于上述準備進行應(yīng)用測試,得到應(yīng)用不同技術(shù)的檢測精度(見表1)。

        根據(jù)表1中的結(jié)果進行分析,將本文技術(shù)與文獻[1]技術(shù)和文獻[2]技術(shù)進行對比可知,本文技術(shù)在架空輸電線路巡檢中的性能表現(xiàn)優(yōu)異。在表1中,本文技術(shù)的精度均值達到0.978,遠高于文獻[2]技術(shù)的0.917,略高于文獻[1]技術(shù)的0.958。在有缺陷絕緣子的識別方面,本文技術(shù)的精度為0.983,說明模型在識別關(guān)鍵缺陷方面能力出色。無缺陷絕緣子的識別精度也達到0.973,說明模型在區(qū)分正常與異常狀態(tài)方面的準確性。

        為了進一步驗證本文技術(shù)的應(yīng)用效率,對應(yīng)用不同技術(shù)的圖像處理時間進行統(tǒng)計,以單張圖像處理均時以及平均處理速度為指標,得到應(yīng)用不同技術(shù)的檢測效率(見表2)。

        由表2可知,不同技術(shù)在圖像處理效率和速度方面的差異。其中,本文技術(shù)的單張圖像處理均時僅為8.7 ms,與文獻[1]技術(shù)的9.6 ms和文獻[2]技術(shù)的11.3 ms相比,本文技術(shù)在處理速度方面表現(xiàn)出色。在平均處理速度方面,本文技術(shù)達到了每秒27.5 幀/s,雖然略低于文獻[1]技術(shù)的29 幀/s,但是明顯高于文獻[2]技術(shù)的33.5 幀/s。雖然文獻[2]技術(shù)的平均處理速度較高,但是其單張圖像處理時間較長,可能影響實際應(yīng)用的連續(xù)性和流暢性。綜上所述,本文技術(shù)在保持較高處理速度的同時,顯著縮短了單張圖像的處理時間,有效提升了巡檢系統(tǒng)的整體效率。

        測試結(jié)果充分驗證了本文技術(shù)在輸電線路巡檢中的準確性、高效性以及可靠性,為未來架空輸電線路智能巡檢提供了有力的技術(shù)支持。

        3 結(jié)論

        本文研究結(jié)合無人機與基于YOLOv3算法的AI模塊完成架空輸電線路的智能化巡檢。在圖像識別方面,AI模塊能夠準確識別輸電線路圖像,并優(yōu)化損失函數(shù)來顯著降低預(yù)測誤差,提升模型性能。在技術(shù)應(yīng)用測試中,AI模塊顯示了出色的缺陷檢測能力,對輸電線路安全運行具有重要意義。本文還探討了AI模塊在巡檢過程中的實際應(yīng)用效果。研究結(jié)果表明,基于無人機機載AI模塊研究的架空輸電線路巡檢技術(shù)在實際應(yīng)用過程中效果較好,能夠滿足預(yù)期需求。

        參考文獻

        [1]劉宏杰,陳泊遠.基于無人機低空攝影技術(shù)的架空輸電線路智能巡檢方法[J].電工技術(shù),2024(3):80-83.

        [2]魯杰,陳建,寧巖,等.基于人工智能的輸電線路無人機巡檢技術(shù)分析[J].中國高新科技,2022(16):44-46.

        [3]嚴峻超,徐建軍,徐軍波,等.基于“一線兩向”模式下的無人機輸電線路高效巡檢方式研究[J].電子制作,2023,31(12):106-109.

        [4]朱濤,朱偉,石一輝,等.基于無人機集群控制輸電線路巡檢技術(shù)研究[J].電力設(shè)備管理,2024(4):114-116.

        [5]劉振華.架空輸電線路無人機遠程自主巡檢關(guān)鍵技術(shù)研究和應(yīng)用[J].中文科技期刊數(shù)據(jù)庫(全文版)工程技術(shù),2022(6):153-156.

        [6]聞洪峰.基于AI技術(shù)的無人機機載前端智能識別技術(shù)研究[J].信息技術(shù)與信息化,2023(5):208-211.

        猜你喜歡
        巡檢架空輸電線路無人機
        變電站設(shè)備巡檢中無人機的應(yīng)用與探析
        對電纜隧道運行中巡檢機器人技術(shù)的研究
        無人機巡檢輸電線路技術(shù)的應(yīng)用分析
        高壓架空輸電線路防雷措施與應(yīng)用
        架空輸電線路跳閘故障智能診斷探究
        高職院校新開設(shè)無人機專業(yè)的探討
        人間(2016年26期)2016-11-03 17:52:40
        利用無人機進行航測工作的方式方法
        架空輸電線路新型節(jié)能導(dǎo)線應(yīng)用分析
        一種適用于輸電線路跨線牽引無人機的飛行方案設(shè)計
        科技視界(2016年22期)2016-10-18 14:30:27
        220kV架空線路建設(shè)管理
        科技視界(2016年21期)2016-10-17 19:56:58
        波多野结衣在线播放| 国产三级国产精品三级在专区| 国产一级自拍av播放| 人妻av有码中文字幕| 熟女性饥渴一区二区三区| 欧美精品一区视频| 区一区一日本高清视频在线观看 | 日本午夜a级理论片在线播放| 无码流畅无码福利午夜| 国产亚洲专区一区二区| 国产精品久免费的黄网站| 亚洲av中文无码乱人伦在线r▽| 综合激情网站| 丝袜人妻中文字幕首页| 免费无码专区毛片高潮喷水| 婷婷久久久亚洲欧洲日产国码av| 精品无码久久久久久久久粉色| 人妻少妇激情久久综合| 成人影院在线视频免费观看| 香港日本三级亚洲三级| 久久久久国产亚洲AV麻豆| 久久av一区二区三区下| 亚洲国产综合在线亚洲区亚洲av| 337p人体粉嫩胞高清视频| 中文字幕一区二区三区久久网站 | 久久av少妇亚洲精品| 久久精品丝袜高跟鞋| 吸咬奶头狂揉60分钟视频| 久久er这里都是精品23| 东京热加勒比久久精品| 欧美另类人妖| 少妇邻居内射在线| caoporon国产超碰公开| 中文字幕综合一区二区三区| 午夜裸体性播放| 久久香蕉国产精品一区二区三| 一区二区三区午夜视频在线观看 | 蜜桃一区二区三区自拍视频| 加勒比东京热一区二区| 国产精品户外野外| 日韩二三区|