检索结果-南通市图书馆

采用DETR与先验知识融合的输电线路螺栓缺陷检测方法

在线全文

学校读者我要写书评

暂无评论

图学学报 2023年第3期44卷 438-447页

作者：李刚张运涛汪文凯张东阳华北电力大学计算机系河北保定071003 复杂能源系统智能计算教育部工程研究中心河北保定071003

为了解决深度学习模型无法学习螺栓目标的先验知识、仅通过视觉特征难以快速准确定位其缺陷以及螺栓缺陷样本数量有限、类别不平衡的问题,提出了将深度学习模型与螺栓先验知识相结合的方法。选取端到端目标检测(DETR)为基线模型,设计并... 详细信息

为了解决深度学习模型无法学习螺栓目标的先验知识、仅通过视觉特征难以快速准确定位其缺陷以及螺栓缺陷样本数量有限、类别不平衡的问题,提出了将深度学习模型与螺栓先验知识相结合的方法。选取端到端目标检测(DETR)为基线模型,设计并实现了一种采用DETR与先验知识融合的改进DETR模型。首先,利用视觉-知识注意力模块将螺栓图像的视觉特征与螺栓先验知识有机融合,获得螺栓对应的增强视觉特征;然后,将增强视觉特征送入基于Transformer编码-解码结构的DETR模型框架中对螺栓目标进行识别与分类;最后,针对螺栓危急缺陷样本少及样本不平衡的问题,引入类增量学习损失函数(CILLF)来增强模型的鉴别能力,缓解螺栓缺陷样本间长尾分布问题。仿真实验结果表明:改进DETR模型在输电线路螺栓缺陷样本上的mAP相较于基线模型DETR提升了2.8个百分点;相较于主流Faster R-CNN,YOLOv5l模型,改进DETR模型在长尾分布下螺栓缺陷样本少的类别图像上的检测效果提升尤为显著。

关键词：螺栓缺陷检测 Transformer DETR 先验知识增强视觉特征类增量学习损失函数

在线全文

学校读者我要写书评

暂无评论

基于多任务级联的动车裙板螺栓缺陷检测算法

实验技术与管理 2023年第10期40卷 63-69页

作者：徐文辉钟胜邹旭何顶新华中科技大学人工智能与自动化学院湖北武汉430074 华中科技大学多谱信息智能处理技术全国重点实验室湖北武汉430074

为了提高动车检修效率和准确性,设计了一种基于多任务级联的动车裙板螺栓缺陷检测算法。首先结合螺栓缺陷特征的先验知识,在YOLOv3的基础上引入注意力机制,采用通道级拼接方式引入螺栓的边缘特征图,引导检测网络学习鲁棒的螺栓缺陷特征... 详细信息

为了提高动车检修效率和准确性,设计了一种基于多任务级联的动车裙板螺栓缺陷检测算法。首先结合螺栓缺陷特征的先验知识,在YOLOv3的基础上引入注意力机制,采用通道级拼接方式引入螺栓的边缘特征图,引导检测网络学习鲁棒的螺栓缺陷特征,检测螺栓是否缺失;然后对螺栓局部区域进行语义分割,获得防松标记线信息,并基于这些信息判断是否存在螺栓松动和标记线缺失等缺陷。实验结果表明,该检测算法显著提升了动车裙板螺栓缺陷的检测性能,与YOLOv3相比,平均准确率提升11.3%,平均召回率提升13.6%。

关键词：动车检修螺栓缺陷检测多任务级联注意力引导 YOLO

基于PCL弱监督模型的输电线路螺栓缺陷检测研究

在线全文

学校读者我要写书评

暂无评论

基于PCL弱监督模型的输电线路螺栓缺陷检测研究

作者：丁洁涛华北电力大学

学位级别：硕士

输电线路中螺栓数量庞大,及时检测出有缺陷的螺栓对输电线路的安全运行意义重大。基于全监督模型的螺栓缺陷检测需要目标级标注,同时螺栓图像目标具有小而多的特点,会消耗大量的人力物力财力。为了减少对目标级标注的依赖,本课题研究基... 详细信息

输电线路中螺栓数量庞大,及时检测出有缺陷的螺栓对输电线路的安全运行意义重大。基于全监督模型的螺栓缺陷检测需要目标级标注,同时螺栓图像目标具有小而多的特点,会消耗大量的人力物力财力。为了减少对目标级标注的依赖,本课题研究基于区域聚类学习(Proposal Cluster Learning,PCL)弱监督模型的输电线路螺栓缺陷检测方法,仅利用图像级标注实现螺栓缺陷检测,并对PCL模型进行创新性改进。针对螺栓图像具有目标小和困难样本的问题,以及PCL模型缺少边框回归机制,本文提出一种基于改进PCL模型的输电线路螺栓缺陷弱监督检测方法。首先,在主网络中引入了通道注意力机制,提取螺栓目标精细特征;其次,对传统分类损失函数进行加权,引入正负样本平衡系数和难易样本调节因子,提高模型对螺栓目标的学习程度;最后,融合全监督的多任务学习思想,使弱监督模型具备边框回归能力。实验结果表明,与微调后的PCL模型相比,改进后的模型在数据集V1和V2上检测精度提升显著,验证了本文方法的鲁棒性。在通道注意力的基础上,加入空间维度的注意力,增强螺栓目标上下文的区域联系,进一步帮助定位螺栓目标。根据PCL模型在数据集V1上表现出的检测性能不均衡现象,定义平均类间检测精度差(Average Detection Precision Difference Among Classes,ADPD)评价指标,提出一种自适应加权损失函数,动态调节模型对不同类别样本的学习程度,提升螺栓缺陷检测精度,平衡不同类别的检测精度,并用ADPD和平均准确率(mean Average Precision,m AP)双重指标对模型进行更全面的评价。实验表明,双重评价指标下的PCL模型在数据集V1上表现出更强的螺栓缺陷检测能力。

关键词：螺栓缺陷检测弱监督 PCL 平均类间检测精度差自适应加权损失函数

基于机器视觉的动车裙板螺栓缺陷检测系统研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器视觉的动车裙板螺栓缺陷检测系统研究

作者：李童华中科技大学

学位级别：硕士

动车检修能及时发现零部件潜在故障并进行维修,为动车的正常运行提供保障。开展动车缺陷智能检测研究,实现缺陷的自动定位、识别与告警,可以代替动车检修中大量重复的检测工作,提高检修效率,缓解检修工人的工作压力。目前国内采用的动... 详细信息

动车检修能及时发现零部件潜在故障并进行维修,为动车的正常运行提供保障。开展动车缺陷智能检测研究,实现缺陷的自动定位、识别与告警,可以代替动车检修中大量重复的检测工作,提高检修效率,缓解检修工人的工作压力。目前国内采用的动车组运行故障动态图像检测系统雨天采集图像质量差,误检、漏检严重,检测效能难以充分发挥。本文面向动车缺陷检测中的裙板螺栓,开展裙板图像采集系统、螺栓缺陷检测算法以及软件的研究,设计并实现一个动车裙板螺栓缺陷检测系统。基于动车检修工作的应用场景,本文设计了自动导航车搭载下的裙板图像采集系统完成整组动车裙板图像的采集工作,并进一步基于检修车间光照强度、自动导航车运行速度以及导航车运行稳定性等因素进行考虑进行硬件选型与参数设计,实现了动态显著目标裙板图像采集。针对裙板螺栓缺陷样本少、特征学习难易程度不同的问题,本文提出了注意力引导下的螺栓缺陷检测算法,通过注意力的引入加强算法训练过程中对难学习特征的关注程度,起到特征引导的作用。实验表明注意力引导下的螺栓缺陷检测算法提升了网络对难学习特征的学习能力,达到了84.6%的检测精确率和92.7%的召回率。针对螺栓缺陷检测任务中正常螺栓与松动螺栓之间分类难的问题,本文提出了基于多任务级联的螺栓缺陷检测算法,在注意力引导下的螺栓缺陷检测算法获取螺栓图像的基础上,进一步利用语义分割和直线拟合对难分类样本进行分类,实现缺陷的联合判断。实验表明,基于多任务级联的螺栓缺陷检测算法与注意力引导下的缺陷检测算法相比误检率降低了7%-10%,漏检率降低了1%-5%。基于动车裙板螺栓缺陷检测系统智能化操作需求,本文设计并实现了螺栓缺陷检测软件,利用软件的集成作用,实现裙板图像采集系统的控制、螺栓缺陷检测算法的调用以及检测结果可视化和数据管理等功能。

关键词：动车检修螺栓缺陷检测图像采集注意力引导多任务级联软件集成

嵌入双注意力机制的Faster R-CNN航拍输电线路螺栓缺陷检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国图象图形学报 2021年第11期26卷 2594-2604页

作者：戚银城武学良赵振兵史博强聂礼强华北电力大学电气与电子工程学院保定071003 华北电力大学河北省电力物联网技术重点实验室保定071003 山东大学计算机科学与技术学院青岛266237

目的螺栓是输电线路上最普遍、数量最多的部件,螺栓缺陷检测是输电线路视觉检测任务的一大难点。针对螺栓目标存在背景复杂、目标过小、不同类别之间差异小以及精细特征难以提取的问题,提出一种双注意力机制方法,分别对不同尺度和不同... 详细信息

目的螺栓是输电线路上最普遍、数量最多的部件,螺栓缺陷检测是输电线路视觉检测任务的一大难点。针对螺栓目标存在背景复杂、目标过小、不同类别之间差异小以及精细特征难以提取的问题,提出一种双注意力机制方法,分别对不同尺度和不同位置的视觉特征进行分析和增强。方法对于不同尺度的特征,网络使用不同尺度的特征图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,从而增强螺栓区域的精细特征。对于不同位置的特征,先使用特征图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,然后利用注意力图将局部特征与全局特征融合,从而在全局视野上增强相似的区域,达到增大螺栓与背景的特征差异程度,实现提高螺栓区域的预测效果。结果本文在航拍输电线路典型螺栓数据集上进行测试,与基线相比,结合双注意力机制的航拍输电线路螺栓检测方法的平均准确率提高了2.21%,其中正常螺栓类提升了0.29%,缺销螺栓类提升了5.23%,螺母缺失螺栓类提升了1.1%。结论本文提出的基于双注意力机制的航拍输电线路螺栓缺陷检测方法取得了良好的效果,有效避免了螺栓缺陷检测中的误判漏判问题,为进一步对输电线路其他缺陷任务奠定了良好的基础。

关键词：双注意力机制多尺度空间位置螺栓缺陷检测深度学习

基于知识表达的输电线路螺栓缺陷检测方法研究

在线全文

学校读者我要写书评

暂无评论

基于知识表达的输电线路螺栓缺陷检测方法研究

作者：李延旭华北电力大学

学位级别：硕士

智能化是构建持续、经济、安全的坚强电网的前提,对国家能源安全有着重大意义。输电线路自动化巡检是构建智能电网的主要技术之一,其发展在近些年受到专家学者们的广泛关注。螺栓作为输电线路中广泛存在、起到连接紧固作用的重要部件,... 详细信息

智能化是构建持续、经济、安全的坚强电网的前提,对国家能源安全有着重大意义。输电线路自动化巡检是构建智能电网的主要技术之一,其发展在近些年受到专家学者们的广泛关注。螺栓作为输电线路中广泛存在、起到连接紧固作用的重要部件,如何对螺栓缺陷进行及时检测是急需解决的痛点问题。本文主要研究输电线路航拍图像中缺陷螺栓的检测。螺栓在航拍图像中具有以下几个明显的特点:1)在图像中占比小,机器可以提取的有效特征少;2)螺栓缺陷种类多,且类间差异小,但结构化特征明显,机器识别时依赖细粒度信息;3)螺栓不同缺陷之间存在潜在关系,需要让模型学习到标签间的知识关联性。本文针对上述特点,本文首先构建了螺栓表面状态多标签识别数据集,包含销子、螺母、垫片3类标签。本文基于该数据集,针对螺栓标签间关系难以有效学习的问题,提出了联合视觉-语义知识的螺栓表面状态多标签识别网络。该网络设计了新颖的基于知识关联性的级联自注意分类器,可以对学习到的螺栓视觉表征和螺栓语义表征联合建模,消除了视觉-语义鸿沟。在多类评价指标的验证下,该网络相比较于经典的多标签识别网络有着显著优势,标签级准确率达到93.63%,图像级准确率达到83.21%。针对螺栓结构化细粒度特征无法有效提取的问题,本文提出了联合视觉-位置知识的螺栓表面状态多标签识别网络,该网络设计了特殊的螺栓网格化特征提取器,并与长短期记忆网络(Long Short-Term Memory,LSTM)结合,成功学习到了螺栓细粒度局部特征。实验证明,该网络的标签级准确率达到93.04%,图像级准确率达到83.07%。最后本文将前两者网络统一,并且引入了EfficientDet检测模型,实现了由粗粒度到细粒度的螺栓特征提取,构建了新颖的基于复杂知识表示的输电线路金具上缺陷螺栓级联检测框架。将该方法应用于实际输电线路自动化巡检任务中可以显著地减轻巡检作业任务的人力负担和时间花销,是实现智能化电网的有效途径之一。

关键词：螺栓缺陷检测知识表达多标签识别 EfficientDet 金具检测

基于深度学习的输电线路螺栓缺陷分类与检测方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

集成电路应用 2021年第4期38卷 64-65页

作者：武学良戚银城华北电力大学电气与电子工程学院河北071003

阐述深度学习的图像处理技术可以快速、准确地检查航拍输电线路螺栓图像的螺栓目标是否存在缺陷,分析多种基于深度学习的螺栓缺陷方法与展望。

关键词：深度学习输电线路螺栓缺陷检测

目标检测技术在杆塔部件故障诊断中的应用研究

在线全文

学校读者我要写书评

暂无评论

目标检测技术在杆塔部件故障诊断中的应用研究

作者：马学海华北电力大学(北京)

学位级别：硕士

当前,电力杆塔的巡检逐步从人工巡检转变为无人机巡检,对无人机拍摄到的大量图像以人工判读的方式分析和识别图像中部件的位置和缺陷类别,费时费力。基于机器视觉的目标检测技术已有多年研究,但由于杆塔图像中背景复杂、金具部件螺栓的... 详细信息

当前,电力杆塔的巡检逐步从人工巡检转变为无人机巡检,对无人机拍摄到的大量图像以人工判读的方式分析和识别图像中部件的位置和缺陷类别,费时费力。基于机器视觉的目标检测技术已有多年研究,但由于杆塔图像中背景复杂、金具部件螺栓的尺寸占比小、以及存在许多相似的部件等问题,针对输电线路杆塔小部件螺栓缺陷的图像识别技术仍然具有挑战性。本文首先构建了一个包含各种场景的杆塔螺栓缺陷图像数据集,并使用目前最流行的目标检测方法Faster RCNN成功证明了利用深度学习解决输电线路缺陷部件识别任务的可行性。通过分析Faster RCNN算法识别检测的过程,笔者发现了该框架在螺栓部件识别任务中存在的不足之处,创新性地提出了多层特征融合、局部上下文信息融合以及注意力机制等针对性的解决方案,实现了远高于Faster RCNN的缺陷螺栓识别准确率。具体如下:(1)由于杆塔螺栓等部件在整幅图片中的占比很小,而Faster RCNN算法仅在最后一层卷积输出的特征图上提取前景目标,因此,造成小目标缺陷部件漏检。本文通过将特征提取网络中深层的特征图和浅层的特征图进行融合,构造出多个不同尺寸的新特征图,然后使前景提取网络在多个不同尺寸的新特征图上进行前景目标的提取,从而很大程度上减少了小尺寸缺陷螺栓的漏检问题。同时,为了解决由浅层特征图融合得到的新特征图因经过的卷积层较少而导致特征提取不够完整的问题,本文在前景目标分类和位置回归网络中加入了若干个残差块单元,很好地弥补了多层卷积特征图融合带来的不足。(2)Faster RCNN算法在对前景目标进行类别分类和位置回归时仅考虑目标方框以内的信息,造成很多缺陷部件误判的问题。本文通过融合目标方框和方框周围的上下文信息,构建了考虑部件局部上下文信息的识别网络,从而解决复杂背景和相似部件的影响。(3)针对CNN使用卷积运算提取特征时注意力资源平均分配的问题,本文通过使用注意力机制来加强图片中最具特点的区域,而抑制不重要区域,使有限的注意力资源更好地分配到关键信息的识别中,让模型像人类视觉注意力一样具有焦点。实验表明,加入注意力机制之后,模型会有更好的缺陷识别效果。通过验证,本文设计的最优模型对存在缺陷的螺栓识别平均精度(AP,Average Precision)比现有普遍使用的目标检测方法Faster RCNN提高了 11.4个点,提升率为18.4%。

关键词：螺栓缺陷检测深度学习多层特征融合上下文信息融合注意力机制

基于快速模板匹配的输电线部件缺陷检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于快速模板匹配的输电线部件缺陷检测方法研究

作者：吕耀辉广东工业大学

学位级别：硕士

在我国电网系统中,传统人工逐塔巡检维护方式存在可靠性低、维护费用高以及危险性高等问题。因此,要综合多种巡检方式,实现输电线路实时检测,保证电网的稳定运行。2015年,以国家为首的电网公司,已经开始大面积的推广具有相对较高的自动... 详细信息

在我国电网系统中,传统人工逐塔巡检维护方式存在可靠性低、维护费用高以及危险性高等问题。因此,要综合多种巡检方式,实现输电线路实时检测,保证电网的稳定运行。2015年,以国家为首的电网公司,已经开始大面积的推广具有相对较高的自动化相互协同巡线模式。该模式主要以巡线无人机来完成输电线部件的检测,并将检测结果告知巡线人员,进而可针对性的对输电线部件进行维护。本文在基于巡线无人机为主构成的视觉系统下,通过对巡线无人机的视觉模拟和利用数字图像技术,进行算法设计和仿真。最后,提出了一种基于快速模板匹配的输电线横担处螺栓缺陷检测方法,提高了输电线部件检测的精准度和实效性。本文重点研究了横担图像的预处理方法,横担螺栓定位方法以及螺栓缺陷检测方法,详细工作和研究成果如下:1.根据横担图像的特点,对图像预处理方法展开研究:考虑到高压电磁场对成像传感器的干扰,图像产生严重的椒盐噪声。提出了一种非线性处理技术的自适应中值滤波算法,在保留了横担边缘的完整信息下,有效地消除了噪声;在横担螺栓精确定位中,采用Canny算子检测横担边缘,方便了霍夫变换提取直线信息;为了分析横担螺栓特征,敲定了鲁棒性较高的最大类间方差法对螺栓区域二值化,消除了高光对螺栓的影响;最后,对横担螺栓进行开运算的形态学处理、连通区域提取及轮廓跟踪,来有效提取具有不变性的特征向量。2.为了对待检测螺栓的研究更有针对性和减少不必要的工作量,采用了基于快速傅里叶变换算法的模板匹配方法来定位并含三角铁的横担区,并在该区域利用霍夫变换提取横担直线,实现精确定位。3.针对螺栓的平帽、松动以及正常螺栓的形状特征,首先利用先验知识和简单的连通面积剔除部分干扰区域,在保证基于特征向量的分类算法快速高效的前提下。采用了基于区域的最小外接矩形细长度来识别平帽和基于边界的角点检测来识别明显松动最后利用面积法识别出轻微松动,排查了因轻微松动与正常螺栓的相似而导致基于Tchebichef正交不变矩的识别率下降。最后在理想条件下,采用Tchebichef正交不变矩的特征向量来验证算法的有效性。4.完成螺栓缺陷检测系统的硬件设计和软件设计。硬件系统主要有摄像头CCD、通讯设备、遥控器、图像采集卡、PC机等。着重讲解了系统软件设计的开发工具、整体架构和各功能模块的算法设计和上位机界面显示的处理结果。

关键词：巡线无人机输电线部件模板匹配特征向量螺栓缺陷检测