-
公开(公告)号：CN109615611A
公开(公告)日：2019-04-12
申请号：CN201811376353.6
申请日：2018-11-19
申请人： 国家电网有限公司 , 中国电力科学研究院有限公司 , 国网山东省电力公司电力科学研究院
CPC分类号： G06T7/0006 , G06T5/002 , G06T2207/20032 , G06T2207/30164
摘要： 本发明提供一种基于巡检影像的绝缘子自爆缺陷检测方法，包括：获取电力巡线无人机拍摄的包括有玻璃绝缘子的待检测巡检影像并人工标注少量绝缘子自爆缺陷；在仿真系统中批量生成包含绝缘子缺陷的虚拟巡检影像；对真实和虚拟影像进行滤波增强处理，得到滤波增强后的巡检影像联合训练集；利用联合训练集训练基于Faster R-CNN深度学习网络获取绝缘子自爆缺陷检测模型；检测模型可对所述滤波增强后的待检测巡检影像进行检测，确定所述包括有玻璃绝缘子的待检测巡检影像中是否包括自爆缺陷。本发明提供的方法解决了以往深度学习训练中大数据训练集数量不足问题；提高了绝缘子自爆缺陷检测的准确率。
-
公开(公告)号：CN109615611B
公开(公告)日：2023-06-27
申请号：CN201811376353.6
申请日：2018-11-19
申请人： 国家电网有限公司 , 中国电力科学研究院有限公司 , 国网山东省电力公司电力科学研究院
摘要： 本发明提供一种基于巡检影像的绝缘子自爆缺陷检测方法，包括：获取电力巡线无人机拍摄的包括有玻璃绝缘子的待检测巡检影像并人工标注少量绝缘子自爆缺陷；在仿真系统中批量生成包含绝缘子缺陷的虚拟巡检影像；对真实和虚拟影像进行滤波增强处理，得到滤波增强后的巡检影像联合训练集；利用联合训练集训练基于Faster R‑CNN深度学习网络获取绝缘子自爆缺陷检测模型；检测模型可对所述滤波增强后的待检测巡检影像进行检测，确定所述包括有玻璃绝缘子的待检测巡检影像中是否包括自爆缺陷。本发明提供的方法解决了以往深度学习训练中大数据训练集数量不足问题；提高了绝缘子自爆缺陷检测的准确率。
-
公开(公告)号：CN111797890A
公开(公告)日：2020-10-20
申请号：CN202010419950.3
申请日：2020-05-18
申请人： 中国电力科学研究院有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司
摘要： 本发明公开了一种用于检测输电线路设备缺陷的方法及系统，属于输电线路巡检技术领域。本发明方法，包括：以设备图像作为训练集，进行训练，获取一次缺陷检测模型；以生成缺陷识别结果数据作为训练集，进行训练，获取二次缺陷检测模型；获取目标输电线路的巡检图像作为输入数据，输入至一次缺陷检测模型，获取目标输电线路的设备图像，以目标输电线路的设备图像作为二次输入数据，输入至二次缺陷检测模型，获取目标输电线路的设备缺陷识别结果。本发明采用两级检测和增量式的检测模型训练方式，可以提升缺陷识别的准确率。
-
公开(公告)号：CN109358639A
公开(公告)日：2019-02-19
申请号：CN201811107260.3
申请日：2018-09-21
申请人： 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网山东省电力公司电力科学研究院
IPC分类号： G05D1/10
CPC分类号： G05D1/101
摘要： 本发明公开了一种利用旋翼无人机巡检直线四回路杆塔的方法及系统，属于无人机应用技术领域。本发明方法包括：控制旋翼无人机的功能自检的结果为合格后启动所述旋翼无人机；控制所述旋翼无人机以第一时速到达所述直线四回路杆塔的多个待巡检处的第一待巡检处稳定悬停，使用所述巡检设备进行巡检并采集直线四回路杆塔状态信息，当第一待巡检处完成巡检后，旋翼无人机以第二时速分别到达其余待巡检处稳定悬停后使用所述巡检设备进行巡检并采集直线四回路杆塔状态信息；当多个待巡检处全部完成巡检后，获取采集的状态信息。本发明解决了日常巡检作业过程中，对杆塔进行巡检作业时，缺乏标准化巡检作业方法的问题，提高了无人机巡检作业可靠性。
-
公开(公告)号：CN107341788A
公开(公告)日：2017-11-10
申请号：CN201610029971.8
申请日：2016-01-18
申请人： 中国电力科学研究院 , 国家电网公司 , 国网山东省电力公司电力科学研究院
IPC分类号： G06T7/00
CPC分类号： G06T7/0002 , G06T2207/30168
摘要： 本发明提供一种无人机巡检作业影像的评定方法，建立按等级划分的样本影像库；建立影像质量等级评价方程；控制无人机巡检系统进行作业影像采集；根据样本影像库及影像质量等级评价方程对作业影像进行质量评定。本发明提出的方法能够实现对输电线路无人机巡检系统的设备性能的客观评价，有效且准确地为公司系统筛选优质的无人机；同时也能对生产单位的巡检质量进行客观评价，可靠的提高了线路运检质量。
-
公开(公告)号：CN107329095A
公开(公告)日：2017-11-07
申请号：CN201710748532.7
申请日：2017-08-25
申请人： 中国电力科学研究院 , 国家电网公司 , 国网山东省电力公司电力科学研究院
IPC分类号： G01R31/36
CPC分类号： G01R31/3693
摘要： 本发明提供了一种高寒环境下输电线路小型旋翼无人机续航时间试验方法，其特征在于，包括：步骤S1，将无人机放置在环境气候实验室中；步骤S2，调节所述环境气候实验室室内的压强P、温度T和风速V，模拟高寒环境；步骤S3，启动电池电量饱和的无人机，开始记录时间；步骤S4，控制无人机在环境气候实验室内部悬停，至无人机的电量耗尽时，降落至地面上；步骤S5，记录无人机的续航时间t。本发明提供一种方法通过模拟无人机在高寒环境受到温度、压强和风速的影响，测量无人机的续航时间，以反映真实环境下无人机的续航能力。
-
公开(公告)号：CN106428618B
公开(公告)日：2019-03-22
申请号：CN201510484323.7
申请日：2015-08-07
申请人： 中国电力科学研究院 , 国家电网公司 , 国网山东省电力公司电力科学研究院
IPC分类号： B64F5/60
摘要： 本发明提供一种模拟高海拔环境下输电线路无人机的性能检测系统及方法，该系统包括环境模拟罐体、与环境模拟罐体紧密连接的压力调节组件和设置在环境模拟罐体内的飞行检测装置；且小型旋翼无人机固定在飞行检测装置上。该方法通过将环境模拟罐体的气压环境设为检测海拔环境后，控制设置在飞行检测装置上的无人机起飞并开始计时至其电池耗尽，并记录其飞行时间及飞行状态以完成检测。本发明的检测系统及方法，在节约测试成本的同时，缩短了检测周期；避免了无人机在实际高海拔地区进行性能检测时的安全隐患；并提高了模拟高海拔环境下的无人机的检测的准确性和可靠性。
-
公开(公告)号：CN107179485A
公开(公告)日：2017-09-19
申请号：CN201710364880.4
申请日：2017-05-22
申请人： 中国电力科学研究院 , 国家电网公司 , 国网山东省电力公司电力科学研究院
IPC分类号： G01R31/12
CPC分类号： G01R31/12
摘要： 本发明提供了一种无人机输电线路巡检作业相地安全距离试验方法。该方法包括：无人机模型放置步骤，将无人机模型置于模拟输电线路侧方或下方预设距离处；施加电压步骤，接通电源发生器，对模拟输电线路施加电压至无人机模型发生零星放电；记录步骤，记录无人机模型发生零星放电的第一放电电压值，并将预设距离确定为第一放电电压下无人机模型与模拟输电线路之间的相地安全距离。本发明中提供的试验方法,通过得到无人机模型尺寸、材质与放电电压类型、大小以及相地安全距离之间的关系，为无人机巡检作业提供了数据支持，提高了无人机巡检作业的可靠性。
-
公开(公告)号：CN106428619B
公开(公告)日：2019-03-12
申请号：CN201510484555.2
申请日：2015-08-07
申请人： 中国电力科学研究院 , 国家电网公司 , 国网山东省电力公司电力科学研究院
IPC分类号： B64F5/60
摘要： 本发明提供一种输电线路无人机的性能检测方法，通过控制无人机在不同的高度处悬停，并分别将检测系统移动到达距离所述悬停点2km的多个检测点；控制无人机分别在每一个高度处沿预设飞行闭合路线水平飞行；同时检测系统接收当前无人机的检测参数，最后根据检测参数评价无人机的性能。本发明提出的性能检测方法，避免了空域申请手续复杂、无人机盲飞等不利因素；避免了无人机在性能检测时的安全隐患；保证了无人机的性能检测的顺利进行；提高了对无人机的性能检测的效率、全面性、准确性和可靠性。
-
公开(公告)号：CN112115770B
公开(公告)日：2024-08-13
申请号：CN202010779989.6
申请日：2020-08-05
申请人： 中国电力科学研究院有限公司 , 国网江苏省电力有限公司泰州供电分公司 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC分类号： G06V20/13 , G06V10/774 , G06V10/75 , G06V10/764 , G06V10/46 , G06V10/82 , G06N3/0464
摘要： 本发明公开了一种用于架空线路无人机自主巡检缺陷识别的方法及系统，其中方法包括：获取固化航线巡检当次巡检图像及相同位置的历史图像；在所述当次巡检图像和所述历史图像中分别生成关键点；对所述当次巡检图像中的关键点与所述历史图像中的关键点进行匹配，将所述当次巡检图像中与所述历史图像中的关键点匹配成功的关键点确定为特征点；通过深度学习模型在所述当次巡检图像中定位出电力设备的最小外接矩形区域；将所述最小外接矩形区域内属于背景的特征点删除；以及基于所述最小外接矩形区域中剩余的特征点的概率分布，识别所述最小外接矩形区域内的电力设备是否存在缺陷。
-
-
-
-
-
-
-
-
-
搜索结果
88 条记录 (耗时 0.087 秒)
