检索结果-南通市图书馆

维普期刊数据库博看期刊

同方期刊数据库

基于多尺度线性注意力机制与YOLOv5融合的变电站异物入侵检测

在线全文

学校读者我要写书评

暂无评论

上海电机学院学报 2024年第3期27卷 174-180页

作者：阮晓鹏陆丽(指导) 上海电机学院电气学院上海201306

针对变电站入侵异物尺度差异大和模型复杂的问题,提出了一种基于多尺度线性注意力机制与YOLOv5融合的变电站异物入侵检测算法。首先,采用轻量级多尺度线性注意力模型(Efficient ViT)作为主干网络,提升模型多尺度学习能力。其次,将颈部... 详细信息

针对变电站入侵异物尺度差异大和模型复杂的问题,提出了一种基于多尺度线性注意力机制与YOLOv5融合的变电站异物入侵检测算法。首先,采用轻量级多尺度线性注意力模型(Efficient ViT)作为主干网络,提升模型多尺度学习能力。其次,将颈部网络三卷积跨阶段局部瓶颈模块(C3)中的瓶颈层替换为轻量级的幻影卷积瓶颈层,降低模型的复杂度。最后,设计了三重增强注意力机制(TEA),并将其融入颈部网络C3模块中,通过各维度之间的交互和增大的感受野,有效地融合特征信息,提高检测精度。实验结果显示,与原模型相比,改进模型平均精度均值提高了1.4%,浮点运算次数降低了23.9%,提高异物检测精度的同时降低了模型复杂度,有利于实际中的应用。

关键词：变电站异物入侵目标检测注意力机制

在线全文

学校读者我要写书评

暂无评论

基于孪生神经网络的变电站异物入侵检测方法

电工技术 2024年第9期 24-28,31页

作者：姬裕鹏田鹏柳杨韩茂林贾利伟长园深瑞继保自动化有限公司广东深圳518052

针对传统异物入侵检测存在的问题,提出一种基于孪生神经网络的变电站异物入侵检测方法。用孪生神经网络进行运动前景提取,将背景图和待检图同时送入孪生神经网络,并且在后处理网络中引入注意力机制,最后通过连通域处理直接输出异物检测... 详细信息

针对传统异物入侵检测存在的问题,提出一种基于孪生神经网络的变电站异物入侵检测方法。用孪生神经网络进行运动前景提取,将背景图和待检图同时送入孪生神经网络,并且在后处理网络中引入注意力机制,最后通过连通域处理直接输出异物检测结果。此方法对异物没有预设检测类别的限制,另外设计的数据增强也进一步提高了算法抗抖动和抗光照变化能力。在测试数据集上取得的98.35%的准确率和98.61%的召回率证明了模型的有效性。

关键词：异物入侵孪生神经网络注意力机制特征层融合变电站

在线全文

学校读者我要写书评

暂无评论

输电线路异物入侵多维度检测及预警系统

电工技术 2024年第9期 95-97页

作者：王先强陆建锋刘晓鹏蒋孝敬石阳荣李艾金杜艳聪云南电网有限责任公司怒江供电局云南怒江673100

输电线路是电网的重要组成部分,其分布范围广、工况复杂,极易遭受到外力破坏。为预防异物入侵影响输电线路的安全稳定运行,设计了一套输电线路异物入侵多维度检测及预警系统,可实现对电力现场入侵物体空间位置确定、与架空线之间的距离... 详细信息

输电线路是电网的重要组成部分,其分布范围广、工况复杂,极易遭受到外力破坏。为预防异物入侵影响输电线路的安全稳定运行,设计了一套输电线路异物入侵多维度检测及预警系统,可实现对电力现场入侵物体空间位置确定、与架空线之间的距离测算。该系统可提高输电线路的整体智能化运维水平,提升工作效率,降低运维成本,有效保证电网运行安全。

关键词：输电线路异物入侵预警

在线全文

学校读者我要写书评

暂无评论

基于改进卷积神经网络的变电站异物入侵识别

科学技术与工程 2022年第4期22卷 1465-1471页

作者：肖曾翔徐启峰福州大学电气工程与自动化学院福州350106

针对无人值守变电站异物如鸟巢、风飘物入侵的情况,提出一种基于改进卷积神经网络的异物图像识别方法,利用K-means算法对异物图像尺寸聚类以设定锚框尺寸,增添上采样模块以加强特征融合,采用深度可分离卷积方式以减少计算量,同时修正损... 详细信息

针对无人值守变电站异物如鸟巢、风飘物入侵的情况,提出一种基于改进卷积神经网络的异物图像识别方法,利用K-means算法对异物图像尺寸聚类以设定锚框尺寸,增添上采样模块以加强特征融合,采用深度可分离卷积方式以减少计算量,同时修正损失函数以提升对重叠目标的识别能力。最后对福建某变电站的监控图像进行异物识别,准确率为91.9%,证明了方法的有效性。

关键词：变电站异物入侵图像识别 K-means 深度可分离卷积 CIoU

基于改进YOLOv7模型的变电站异物入侵识别

在线全文

学校读者我要写书评

暂无评论

国外电子测量技术 2023年第6期42卷 180-187页

作者：张泽龙林穿黄奕钒福州大学电气工程与自动化学院福州350108

针对无人值守的变电站频繁出现鸟巢、塑料袋等异物入侵的问题,现有的区域卷积神经网络(R-CNN)和YOLO算法不能满足实时、准确检测识别的要求。因此提出一种基于改进YOLOv7的图像识别方法。首先,利用灰度化处理和高斯噪声增强图片数据,然... 详细信息

针对无人值守的变电站频繁出现鸟巢、塑料袋等异物入侵的问题,现有的区域卷积神经网络(R-CNN)和YOLO算法不能满足实时、准确检测识别的要求。因此提出一种基于改进YOLOv7的图像识别方法。首先,利用灰度化处理和高斯噪声增强图片数据,然后在特征提取网络中增加分支以提高小目标的检测能力。在此基础上,采用卷积块注意模块(CBAM)分支注意力机制来加强通道数和空间自适应学习能力,并在输出路径上引入SimAM注意力机制,使其在不增加参数的情况下提高模型对异物特征的提取能力,最后通过某变电站实际监控图进行算法验证。结果表明改进后的YOLOv7异物识别平均精度均值(mAP)为94.40%,比原YOLOv7mAP提升了3.69%,比Faster R-CNN和SSD分别提高了17.46%和16.66%,可以做到对变电站异物的实时检测识别,所提方法具有较好的可行性和工程使用价值。

关键词：变电站异物入侵图像识别注意力机制

在线全文

学校读者我要写书评

暂无评论

地铁轨道扣件失效与异物入侵状态识别研究

地铁轨道扣件失效与异物入侵状态识别研究

作者：刘若晨北京交通大学

学位级别：硕士

地铁轨道结构状态的监测识别和非正常状态的预警对于地铁的安全运营意义重大。其中扣件失效情况的出现会使得车轨动力响应大大增强,影响车轨正常使用,缩短其服役时间,严重时会导致列车脱轨等安全事故;轨道范围内异物入侵未及时发现则有... 详细信息

地铁轨道结构状态的监测识别和非正常状态的预警对于地铁的安全运营意义重大。其中扣件失效情况的出现会使得车轨动力响应大大增强,影响车轨正常使用,缩短其服役时间,严重时会导致列车脱轨等安全事故;轨道范围内异物入侵未及时发现则有可能直接造成列车碰撞、脱轨等事故。而现在缺乏能够全时全域对地铁轨道结构状态进行监测的手段。本文针对以上两种地铁轨道结构的异常状态,在理论研究的基础上进行了现场实验,应用弱光栅分布式振动传感技术采集钢轨振动信号,并利用支持向量机最终实现了异常事件的识别分类。为应用弱光栅分布式振动传感技术实现地铁全时全域监测系统做出了尝试并提供一定的技术支撑,为地铁轨道的预防性养护和安全管控提供依据。本文的主要研究工作如下:(1)从光纤光栅技术与分布式振动传感技术融合的角度分析了弱光栅分布式振动传感技术的原理。弱光栅分布式振动传感通过在传感光纤上周期性地刻制超低反射率的光栅,将相邻光栅点作为反射干涉源,利用光栅定向反射的信号进行干涉。从原理角度分析得到弱光栅分布式振动传感在振动传感中动态范围大、监测空间分辨率高以及信噪比高的优势。(2)对弱光栅分布式振动传感系统进行实验室测试。利用压电陶瓷相位调制器对于弱光栅分布式振动传感进行了包括频率和相位的响应测试,测试该系统对于不同频率、不同强度振动的响应特性,验证了该系统可以实现不同频率、不同幅度的振动信息的采集。(3)进行实际轨道的弱光栅分布式振动传感振动监测。通过实验对比确定振动传感光缆的布置方式;并设计多种工况,使用锤击法施加脉冲激励采集大量钢轨在外加激励下产生的振动信号。(4)对所采集数据进行初步处理以供后续分类识别,包括降噪和特征提取。对比谱减法、滑动平均法及多种小波函数降噪法,采用降噪后的信噪比和均方根误差评价各种方法的降噪效果,选择效果最优方法进行降噪;分别提取信号的时域和时频域特征,时域特征包括峰值、均值、均方根等,应用变分模态分解的方法获取模态分量的能量熵作为信号的时频域特征。(5)采用支持向量机对经过降噪与特征提取的信号进行分类识别。选择决策树法进行多分类问题的解决,应用麻雀搜索算法寻找最优参数构建了共分四级的分类模型,利用前一章节中所提取的振动特征作为特征向量输入进行了分类识别,得到了较高的正确率。

关键词：扣件失效异物入侵弱光栅分布式振动传感支持向量机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图像处理的铁路轨道异物入侵检测研究

基于图像处理的铁路轨道异物入侵检测研究

作者：陈小屹兰州交通大学

学位级别：硕士

随着中国铁路建设的飞速发展,其运营里程也在持续增加,铁路运行的安全性也日益成为人们关注的焦点。如若因为疏忽未能及时发现铁路轨道上的异物,将会造成极大经济损失甚至威胁生命安全。因此,及时且准确地发现入侵异物至关主要。但列车... 详细信息

随着中国铁路建设的飞速发展,其运营里程也在持续增加,铁路运行的安全性也日益成为人们关注的焦点。如若因为疏忽未能及时发现铁路轨道上的异物,将会造成极大经济损失甚至威胁生命安全。因此,及时且准确地发现入侵异物至关主要。但列车行驶速度的不断提升意味着对检测精度和检测时间有着更高的要求。本文依托铁路周界入侵报警系统,开展基于监控的铁路轨道异物入侵检测研究,将图像分割与深度学习中的YOLOv5算法相结合,实现对铁路轨道的异物目标检测,提高检测精度与检测效率。本文主要研究内容如下:首先,通过对铁路周界安全性进行需求分析,构建铁路轨道异物入侵数据库,收集不同的铁路场景图像以及异物入侵图像,经过局部裁剪、改变色度亮度等方法进行数据增强,建立了包含6000多张图像的铁路轨道入侵异物样本数据库。改进后的YOLOv5模型可在此数据集的支持下进行训练及测试。其次,通过观察铁路场景,发现其具有组成元素固定、区域之间多以直线划分、铁路尽头呈中心向四周放射的特点。因此通过霍夫变换得到图像的特征极大值,依据极大值旋转高斯卷积核,针对性地增强直线边界点权重。并通过色彩模型转换增加特征通道,在多个通道内结合像素点坐标进行高斯卷积运算得到边界点权重。最后通过阈值筛选不断循环将碎片区域组合得到铁路场景局部区域,并将局部区域输入到改进YOLOv5模型内进行轨道区域的识别。再次,针对铁路场景中图像不清晰,以及存在小目标和被遮挡目标未被检测出等问题,在YOLOv5网络结构中添加CLAHE(Contrast Limited Adaptive Histogram Equalization)算法增强画面的对比度,降低由于光线以及相机抖动带来的对检测结果的影响;在原有YOLOv5算法的基础上引入卷积块注意力模型,提高特征提取能力,对遮挡目标、小目标容易漏检问题进行了改进;将GIo U损失函数替换为-CIo U损失函数作为边界框回归损失函数,加快模型的收敛速度并提高边框定位精度;考虑到检测速度,将网络中的三维卷积运算分成3×3深度卷积和1×1点卷积,使得运算量降低为原来的1/8。仿真结果表明,模型平均检测精度m AP(mean Average Precision)可以达到94.1%,FPS(Frames Per Second)也达到了41帧/秒,可以快速且准确地检测到铁路轨道上存在的异物,充分满足实时目标检测的要求。最后,将本文改进算法进行消融实验,分别验证了每种改进的具体效果,并且在同一铁路数据集上将本文改进YOLOv5算法与SSD、Faster R-CNN、YOLOv3、YOLOv5算法进行对比分析,结果表明所提方法应用在铁路轨道异物入侵检测中具有优越性及较高的精确度,可以满足铁路现场实际使用需求。

关键词：异物入侵 YOLOv5 图像分割深度学习目标检测

基于深度学习和双目视觉的输电线路异物入侵识别与定位研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习和双目视觉的输电线路异物入侵识别与定位研究

作者：郭奉天华北电力大学

学位级别：硕士

输电线路通道的入侵异物可导致线路发生短路,闪络或跳闸,影响供电可靠性,入侵异物通常由运维人员筛查巡检图像发现,效率低下且无法获得异物的空间信息。本文基于深度学习和双目视觉方法,研究了输电线路通道图像中入侵异物的识别及定位问... 详细信息

输电线路通道的入侵异物可导致线路发生短路,闪络或跳闸,影响供电可靠性,入侵异物通常由运维人员筛查巡检图像发现,效率低下且无法获得异物的空间信息。本文基于深度学习和双目视觉方法,研究了输电线路通道图像中入侵异物的识别及定位问题,主要完成了如下工作:搭建了输电线路入侵异物图像数据集,优化了目标检测网络和语义分割网络的训练策略,获得了异物检测和分割的网络模型。通过替换主干网络,引入注意力机制及动态卷积模块,改进了Retinanet目标检测网络,在所用测试集上能达到mF-Score=0.884的分类准确度,利用消融实验验证了改进的有效性。同时,使用Deeplabv3+语义分割网络实现了输电线路图像中的异物分割,在所用测试集上的分割准确度mIoU=0.82,并研究了使用矩形框标注代替掩膜标注进行网络训练的可行性,结果表明,当掩膜标注比例仅占50%时,Deeplabv3+模型mIoU可达0.71。通过双目相机标定,得到了相机内外参数矩阵,建立了摄像头成像坐标系间的联系,完成了双目图像的校正工作。基于AD-Census立体匹配算法,通过采用更大感受野的代价函数和引入表征纹理区域特征的自适应权重,提出了一种自适应权重MAD-Census立体匹配算法,该算法在Middlebury数据集上的平均误匹配率相较于AD-Census算法下降0.81%,且在模拟输电线路场景中的边缘区域,重复纹理区域和弱纹理区域的匹配效果均优于AD-Census,改进算法所得视差图能够较好地反映输电线路场景和入侵异物的空间信息。采用基于双目视觉的三维点云建模方法,结合深度学习识别结果和欧式点云聚类算法,实现了异物点云的提取和背景点云的滤除,建立了异物点云模型,从而获得了异物中心坐标及最大尺寸等三维信息。分析了输电线路异物入侵识别与定位算例,给出了算例中深度学习算法的识别结果;分析了异物定位结果的误差,结果表明,在15m的深度测量范围内,异物点云空间测量误差基本小于5%,验证了本文算法的可行性。

关键词：异物入侵目标检测语义分割双目视觉点云建模

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视频的铁路异物入侵检测技术研究

基于视频的铁路异物入侵检测技术研究

作者：张楠浙江大学

学位级别：硕士

随着计算机视觉技术的飞速发展,利用计算机视觉技术对铁路线路安全保护区进行安全监测成为可能。针对铁路线路安全保护区几种典型异物入侵的鲁棒和有效检测问题,以铁路落石检测和铁轨弹条缺失检测算法设计为重点,开展基于视频的铁路异... 详细信息

随着计算机视觉技术的飞速发展,利用计算机视觉技术对铁路线路安全保护区进行安全监测成为可能。针对铁路线路安全保护区几种典型异物入侵的鲁棒和有效检测问题,以铁路落石检测和铁轨弹条缺失检测算法设计为重点,开展基于视频的铁路异物入侵检测技术研究。主要从以下几个方面展开研究:（1）针对铁路落石等小型异物入侵的鲁棒有效检测问题,提出了一种基于聚合通道特征和纹理特征的铁路落石检测算法。利用邻域传播思想,通过对单帧均值滤波后的前N帧视频图像取平均实现背景建模,以此增强背景模型的实时性和鲁棒性;利用边缘检测和累计概率Hough变换算法实现铁轨的自适应检测,有效划分背景模型中铁轨安全预警区域;利用大津法实现安全预警区域各通道的自适应分割,决策融合获得初步检测结果;协同利用HSV颜色空间特征和LBP纹理特征,去除初步检测结果中的阴影,削弱光照对检测的影响;结合随机更新机制对背景模型进行实时更新。实验结果表明该算法能够有效实现铁路落石入侵检测。（2）针对铁轨弹条缺失的鲁棒有效检测问题,提出了一种基于改进Yolov3算法的铁轨弹条缺失检测算法。构建以卷积神经网络Dark Net-53为主的网络结构,在每一层卷积层后加入残差块结构,加强了网络的特征学习能力;采用小批量梯度下降法（Mini-Batch Gradient Descent,MBGD）调整网络结构参数;利用特征金字塔（Feature Pyramid Network,FPN）结构加强网络层特征复用,提升小目标检测精度;采用非极大值抑制（Non-Maximum Suppression,NMS）算法筛选分类候选框;引入Focal Loss损失函数解决正负样本不平衡的问题。实验结果表明该算法能够有效实现铁轨弹条缺失检测。（3）结合前述理论和方法,基于pyqt5研制了基于视频的铁路异物入侵检测软件。该软件具有系统管理、设备管理、铁路异物入侵监测、铁轨弹条缺失监测、异常报警监测等模块。

关键词：异物入侵背景建模铁路落石检测 Yolov3 铁轨弹条检测