电力人工智能图像识别技术研究及在架空输电线路巡检业务中的应用

发布时间：2020-10-22 05:18

　　 在全球能源互联网的大力推动下,我国交直流电网建设得到快速发展。随着人工智能技术领域的不断革新,采用图像识别等新技术推动电力输电巡检业务发展成为近年来电网行业的重大课题。输电线路运行状态识别智能化工作,主要内容包括输电线路运行状态识别智能化、输电线路缺陷识别智能化、输电线路隐患识别智能化三个方面。传统的模式识别技术,已经无法满足新形势下的输电立体化巡检发展需求。无法高精准的对小部件、复杂背景缺陷、隐患进行识别。亟需自学习能力的人工智能技术,对架空输电线路设备本体缺陷及通道环境内的异常及风险情况进行识别分析。本文围绕这一课题领域,重点研究了输电线路本体装置及通道巡视对象基于人工智能图像识别技术的隐患排查与故障定位技术,并结合先验知识提出输电线路立体巡视模式,以应用模式研究为基础,设计研发了一套输电线路影像数据共享及应用示范系统,快速精准研判故障定位与缺陷类型,进而及时有效的针对性开展消缺及风险隐患排除工作,确保电力系统安全稳定运行。以下是本文重点开展的研究工作内容:一、围绕人工智能图像处理基础支撑技术,开展了异构高性能计算集群、深度学习框架集成优化技术框架的设计与样本图像处理技术的研究工作。主要成果包括以下两点:1.提出了基于深度学习框架的开发集成方案,主要通过数据处理系统、深度学习系统进行接口调用,实现样本、模型和资源的统一整合,完成端到端的训练生态链。深度学习系统由样本管理、模型优化和资源配置构成,可实现样本特征分析、图片预处理,样本分类统计,模型训练监控、资源运行监控等功能。2.分别针对数据扩容、图像去雾及图像复原技术进行了研究,通过将图像进行镜像变换的方法实现了训练样本的增加,采用序列图像的超分辨率复原技术,通过运用信号处理方法来对序列低分辨率退化图像的进行处理,从而实现了一幅或者多幅高分辨率的复原图像。二、基于架空输电线路巡视业务特征,分类梳理了输电线路线路设备本体及通道缺陷风险识别场景并针对性开展图像识别关键技术的研究工作,提出巡视图像目标检测的技术路线,进一步梳理了目前我国架空输电线路基于视频图像巡检的终端采集方式,针对定点摄像头、无人机、直升机等巡视应用现状进行了分析。三、针对人工智能图像识别技术在输电线路巡检业务中的应用模式进行了研究与设计,构建了输电线路立体巡视模式并提出了通道风险评估体系及安全预警模式。主要成果包括以下两点:1.通过开展巡视缺陷样本特征质量评价技术、基于深度学习框架的训练数据集格式转化方法和数据库存储检索技术研究,成功构建了输电线路的影像样本标准库,实现了多源数据关键特征的巡视缺陷样本规范收集与输电设备信息的规范管理、统一标注转化和缺陷信息的高效存储与检索。2.以无人机、直升机、机器人等智能化巡视及人工巡视为基础,以图像自动识别技术的在线监测技术为补充,进行山火、机械外破、异物、鸟害专项排查与分类梳理,结合危害事件发生的频率,以及地形地貌、植被情况、电网网架、气象条件等信息,构建输电通道风险评估体系并进而形成了安全预警模式的设计。四、围绕输电线路图像数据共享及应用示范系统开展了标准化架构设计工作,主要包括业务架构设计、应用架构设计、技术架构设计和数据架构设计四个方面,研发实现了系统图像管理、视频管理、分析识别、故障管理与报修等核心功能,并基于系统功能应用进行了实地场景化验证工作。
【学位单位】：安徽大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TM75
【部分图文】：

基础支撑技术是整个课题顺利实施的基本保证，首先从整体规划方面制定出较??为完备的技术框架，其次从逻辑层设计面向电网的视频图像智能支撑技术框架，并??在此基础上实现主流深度学习框架的集成。实施框架如图２－１所示：??图２－１：支撑架构实施框架??２．１．１异构高性能计算集群技术??过去几年，人工智能领域深度学习、人工神经网络算法技术己经被广泛证明为??是解决各类问题的一种行之有效的手段。??然而，使用传统的ＣＰＵ运行时间，深度学习系统面临的挑战，异构计算平台，??成为深度学习主流计算模式，可以实现高并行计算和ＧＰＵ的异构多核计算的高计算??吞吐量，适用于计算密集型和高并行性，ＳＩＭＤ应用，尤其是应用图形、矩阵计算等。??对于相同的ＶＧＧ－１６计算任务，８ＧＰＵ深度学习服务器可将时间从１３１０小时缩短到２３??－５－??

图片预处理，样本分类统计，模型训练监控、资源运行监控等功能；设置了主要的??用户自定义训练参数接口，用户可自主进行参数调节、模型结构调整、资源优化配??置等支撑功能，框架集成方案如图２－２所示：??－■?．??■■■■■■■■■■■■■■■■■ｆｔ?１??—醒縱ｉｍｉｉ?ｉ?ｍｕ?謂??参‘??ＭＫｉＳＨｎｉｉａｔｔＢａＭＨＨＫＫＢＫＨａＨａＨＭｉａＭａａｅａｉ??Ｈ＾ｌｉ?ｍｓｍａａｍｊｇｍｍＫ＾ＢｍＡ?ｅｇ＊??—??图２－２：深度学习框架集成方案??２．?２样本图像数据处理技术??样本图像处理关键在于建立起规模充足、覆盖面广、知识完备的样本库，即通??－６－??

？?Ｓｔｅｐ３：利用暗通道估计大气光；??？?Ｓｔｅｐ４：代回雾图公式去雾。??去雾演示效果如图２－３所示：??图２－３：图像去Ｍ？凉不??２．?２．?３巡视图像复原技术??现有的监控系统以宏观场景的监视为主要目标，单个摄像机，监视一个很大的??范围，导致画面中目标太小，肉眼很难直接辨识。这类因为欠采样导致的模糊占的??比例很高，对于这样的迷糊需要采用超分辨率重构的方法。??超分辨率复原就是使用信号处理的方法，通过提高图像的分辨率，同步改善采?■??集图像的质量。超分辨率复原技术核心思想是对成像系统截止频率之外的信号高频??成分进行估计，从而提高图像的分辨率。该技术初期只对单幅图像进行处理，这种??方法由于可利用的信息只有单幅图像，图像复原效果本身存在固有的局限性。??序列图像的超分辨率复原技术旨在运用信号处理方法来对序列低分辨率退化图??像的进行处理，从而获得一幅或者多幅高分辨率的复原图像。因为序列图像的复原??可利用帧间的额外信息
【相似文献】

相关期刊论文 前10条

1 白瑞双;李世新;门铎;于乐;;计算机图像识别技术的应用及细节问题阐述与分析[J];山东工业技术;2019年17期

2 宫铭;;计算机图像识别技术的应用及细节问题阐述与分析[J];信息与电脑(理论版);2019年01期

3 陈宇;;大数据及图像识别技术在违法飙车行为治理中的应用研究[J];企业科技与发展;2018年12期

4 陈焕怡;;基于图像识别技术的招投标应用模式研究[J];现代信息科技;2019年01期

5 唐芳莉;;图像识别技术在电力设备监测中的应用[J];通信电源技术;2019年01期

6 雷尚谕;;计算机图像识别技术的应用及细节问题分析[J];中国新通信;2019年06期

7 王俊姝;;图像识别技术应用与管理研究[J];科技创新导报;2019年05期

8 张蓉;;计算机图像识别技术的应用及细节问题分析[J];中国管理信息化;2017年19期

9 邹香玲;;计算机图像识别技术及应用问题之研究[J];电子测试;2017年23期

10 华腾芳;;浅析计算机图像识别技术的发展与展望[J];三峡大学学报(人文社会科学版);2017年S2期

相关博士学位论文 前3条

1 赵玮;基于老年人出行能力的高铁交通枢纽换乘系统评价及仿真[D];武汉理工大学;2018年

2 翟成珺;图像识别技术在猪蓝耳病诊断中的应用研究[D];内蒙古农业大学;2012年

3 朱险峰;生物颗粒流式成像关键技术的研究[D];天津大学;2010年

相关硕士学位论文 前10条

1 孔汇环;电力人工智能图像识别技术研究及在架空输电线路巡检业务中的应用[D];安徽大学;2019年

2 代国忠;图像识别技术在铁轨扣件异常检测中的应用研究[D];哈尔滨工程大学;2018年

3 项佳玮;基于图像识别技术的支付系统设计研究[D];中国美术学院;2018年

4 王丹;图像识别技术在配网设备状态监测中的应用研究[D];华北电力大学(北京);2018年

5 向宝琦;基于专利视角的BAT图像识别技术发展机会与策略研究[D];电子科技大学;2018年

6 王琳;人工智能在保险核赔环节应用案例分析[D];首都经济贸易大学;2018年

7 彭淑敏;神经网络图像识别技术研究与实现[D];西安电子科技大学;2005年

8 杨鲁南;手机应用中的图像识别技术研究[D];北方工业大学;2014年

9 周玉松;基于深度学习算法的图像识别技术的应用研究[D];北京邮电大学;2017年

10 金声琅;显微图像识别技术快速检测食品细菌总数的研究[D];吉林大学;2006年

本文编号：2851152