99久久99久久精品免费看蜜桃,国产性色av一区二区三区,宝贝小嫩嫩好紧好爽h视频,《隔壁放荡人妻bd高清》,噜噜噜噜av夜色在线

隨著智能電網(wǎng)的發(fā)展，電力系統(tǒng)自動化水平日漸提高，人們對電力系統(tǒng)日常運行的安全及穩(wěn)定性提出了更高的要求。絕緣子作為電力系統(tǒng)的重要元件，應(yīng)用廣泛且數(shù)量龐大。絕緣子的工作環(huán)境通常位于層巒疊嶂的山路之間，工作環(huán)境惡劣，導(dǎo)致絕緣子故障頻發(fā)，嚴重影響電力系統(tǒng)的安全及穩(wěn)定。

絕緣子缺陷辨識一直是國內(nèi)外研究的熱點，傳統(tǒng)的檢測方式為人工觀測法。該方法雖然精確度高，但在觀測上存在工作量大、效率低等缺陷。此外，還有借助外加設(shè)備測量的方法，如紅外圖譜和巡檢機器人等。

借助外界設(shè)備可以有效減小檢測過程中的安全隱患，但外加設(shè)備一般較為昂貴。由于無人機成本低、易操控，且具備數(shù)據(jù)采集簡單、運行風(fēng)險較低等特點，已在電力巡檢工作中逐漸普及。盡管無人機巡檢可獲得大量現(xiàn)場的圖像信息，但采集到的圖像仍是由人工進行處理，海量的圖像數(shù)據(jù)帶來了巨大的工作量；同時，由于工作人員自身專業(yè)水平不同、視覺疲勞等原因，檢測過程中容易導(dǎo)致缺陷遺漏。

通過計算機自動辨識圖像成為研究熱門，常用的方法主要可以分為基于機器視覺與基于機器學(xué)習(xí)的方法?；跈C器視覺的缺陷檢測方法首先在原圖中將待測目標與背景進行分割，分割后再根據(jù)人為設(shè)定的特征判斷絕緣子是否存在缺陷。

基于機器視覺的缺陷檢測方法實現(xiàn)較為簡單，不需要復(fù)雜的訓(xùn)練過程，在特定的場景有較高的辨識準確率，但在使用過程中存在諸多局限性，如算法的準確率依賴分割算法的分割結(jié)果。由于絕緣子的工作環(huán)境復(fù)雜、現(xiàn)場條件惡劣，這會嚴重影響分割結(jié)果的準確性，且人工選定的缺陷判別特征缺乏魯棒性，當拍攝條件發(fā)生改變，都有可能導(dǎo)致算法發(fā)生誤判。

在圖像辨識領(lǐng)域，機器學(xué)習(xí)算法的應(yīng)用十分廣泛，通過機器學(xué)習(xí)訓(xùn)練的模型對無人機航拍的絕緣子圖像進行檢測及缺陷辨識已逐漸成為電力系統(tǒng)絕緣子缺陷辨識方法研究的熱門方向。機器學(xué)習(xí)算法訓(xùn)練出的模型能自適應(yīng)地從海量的航拍圖像中挖掘絕緣子的表層特征，對噪聲干擾有很強的魯棒性。模型的目標是既能準確地辨識出缺陷又能滿足實時檢測的要求，但事實上，檢測速度與準確率很難同時提升。

針對這個問題，福州大學(xué)電氣工程與自動化學(xué)院的研究人員提出基于改進YOLOv4的絕緣子缺陷檢測模型。

圖1 YOLOv4檢測流程

圖2 檢測結(jié)果對比

圖3 不同類型和結(jié)構(gòu)的絕緣子檢測結(jié)果

相比于現(xiàn)有方法，YOLOv4模型具有速度更快、精度更高的特點。針對檢測圖像中出現(xiàn)圖像修改尺寸后失真的問題，提出了對圖像加灰條處理的方法，同時在訓(xùn)練過程中采用了多階段遷移學(xué)習(xí)策略顯著提高了模型整體的性能。實驗結(jié)果表明，所提方法的缺陷檢測mAP值達到89.54%，所提方法在實際應(yīng)用中可以滿足絕緣子缺陷檢測的準確性要求。

本文編自2021年第5期《電氣技術(shù)》，論文標題為“基于YOLOv4模型的玻璃絕緣子自爆缺陷識別方法”，作者為周宸、高偉、郭謀發(fā)。