国产精品不卡在线,精品国产_亚洲人成在线高清,色亚洲一区,91激情网

  • 頭條華電律方成教授團(tuán)隊在高壓設(shè)備識別及智能檢測研究方面取得新進(jìn)展
    2022-04-24 作者:律方成、牛雷雷 等  |  來源:《電工技術(shù)學(xué)報》  |  點擊率:
    分享到:
    導(dǎo)語基于無人機(jī)和巡檢機(jī)器人搭載的多光譜成像檢測是高壓設(shè)備非接觸檢測的發(fā)展趨勢,而主要電氣設(shè)備的識別是其絕緣狀態(tài)智能診斷的基礎(chǔ)。新能源電力系統(tǒng)國家重點實驗室(華北電力大學(xué))、河北省輸變電設(shè)備安全防御重點實驗室(華北電力大學(xué))的研究人員律方成、牛雷雷、王勝輝、謝慶、王子豪,在2021年第22期《電工技術(shù)學(xué)報》上撰文,基于YOLOv4,搭建了五種主要電氣設(shè)備識別平臺,提出了網(wǎng)絡(luò)的改進(jìn)方法,并對其調(diào)參方法進(jìn)行了研究。研究成果可用于多光譜成像電氣設(shè)備運(yùn)行狀態(tài)的現(xiàn)場診斷。

    絕緣子、金具等是電網(wǎng)輸變電設(shè)備的重要組成部分,及時掌握其絕緣水平和運(yùn)行狀態(tài)對電力系統(tǒng)的安全穩(wěn)定運(yùn)行至關(guān)重要。目前電網(wǎng)主要采用的人工巡檢方式耗時費(fèi)力,且無法及時全面地掌握主要電氣設(shè)備的外絕緣狀態(tài)?;跓o人機(jī)和巡檢機(jī)器人搭載的可見光、紫外和紅外圖像信息是高壓設(shè)備熱、電參量非接觸檢測的重要手段和發(fā)展趨勢,而絕緣子等主要電氣設(shè)備的識別是對其進(jìn)行綜合診斷以實現(xiàn)其絕緣狀態(tài)判別的基礎(chǔ)。

    實現(xiàn)絕緣子等高壓設(shè)備圖像識別思路主要有機(jī)器學(xué)習(xí)方式和深度學(xué)習(xí)方式。前者主要針對電氣設(shè)備的形狀和紋理特征進(jìn)行設(shè)計,優(yōu)點為針對性強(qiáng)、特征具有可解釋性,缺點為檢測魯棒性差,對目標(biāo)的拍攝角度等要求較高;后者通過卷積算法自動提取目標(biāo)抽象化特征,實現(xiàn)端到端圖像識別,其識別精度高,泛化能力好,識別速度快,但對樣本需求量大,可解釋性差。隨著無人機(jī)和機(jī)器人巡檢方式的推廣,現(xiàn)場將產(chǎn)生大量高壓設(shè)備檢測視頻和圖片,基于此,華北電力大學(xué)律方成教授團(tuán)隊在本次研究中采用了深度學(xué)習(xí)方式。

    深度學(xué)習(xí)的概念是在由G. E. Hinton等2006年提出的非監(jiān)督貪心逐層訓(xùn)練算法的基礎(chǔ)上,融合了卷積計算、神經(jīng)網(wǎng)絡(luò)框架、下采樣和自動提取及匹配網(wǎng)絡(luò)特征的端到端有監(jiān)督學(xué)習(xí)框架。常用的深度學(xué)習(xí)框架包括以LeNet,F(xiàn)aster R-CNN(Region-Convolution Neural Network),SSD(Single Shot MultiBox Detector)和YOLO(You Only Look Once)為代表的深度卷積神經(jīng)網(wǎng)絡(luò)及以長短期記憶網(wǎng)絡(luò)(Long Short-Term Memory, LSTM),GRU(Gated Recurrent Unit)為代表的循環(huán)卷積神經(jīng)網(wǎng)絡(luò)等。

    深度學(xué)習(xí)在電氣領(lǐng)域的應(yīng)用研究主要包括:①利用電力系統(tǒng)運(yùn)行數(shù)據(jù)實現(xiàn)其調(diào)度預(yù)測、調(diào)度控制、穩(wěn)定性評估;②利用計算機(jī)視覺、結(jié)構(gòu)化和非結(jié)構(gòu)化文本,實現(xiàn)電力系統(tǒng)和電氣設(shè)備狀態(tài)預(yù)測、缺陷識別與故障診斷、自然語言處理。

    對圖像識別主要采用深度卷積神經(jīng)網(wǎng)絡(luò)。相比于Faster R-CNN,YOLO在2015年由美國華盛頓大學(xué)提出。同屬圖像識別state-of-art檢測框架,YOLO采用無候選區(qū)域的類別和坐標(biāo)one-stage檢測思路,具有較高的識別準(zhǔn)確度和更高的識別速度,可實現(xiàn)對無人機(jī)和機(jī)器人巡檢產(chǎn)生的圖像的實時、整體識別。其在電力系統(tǒng)的應(yīng)用研究方面,有關(guān)文獻(xiàn)主要基于YOLOv3或更早版本,關(guān)于網(wǎng)絡(luò)參數(shù)對訓(xùn)練誤差和識別準(zhǔn)確度的影響的研究較少。

    為了對外絕緣設(shè)備的絕緣狀態(tài)進(jìn)行智能診斷,華北電力大學(xué)律方成教授團(tuán)隊對YOLOv4網(wǎng)絡(luò)框架進(jìn)行了研究,建立了絕緣子、均壓環(huán)、防振錘、套管和導(dǎo)線訓(xùn)練和測試數(shù)據(jù)庫,研究了數(shù)據(jù)擴(kuò)充算法、錨框及其聚類中心對其訓(xùn)練和識別性能的影響。

    華電律方成教授團(tuán)隊在高壓設(shè)備識別及智能檢測研究方面取得新進(jìn)展

    圖1 One stage 檢測流程

    華電律方成教授團(tuán)隊在高壓設(shè)備識別及智能檢測研究方面取得新進(jìn)展

    圖2 YOLOv4網(wǎng)絡(luò)框架

    主要研究工作包括:采用表征訓(xùn)練誤差、識別準(zhǔn)確度和訓(xùn)練速度的系統(tǒng)性能評價體系,分析了YOLOv4檢測框架及網(wǎng)絡(luò)框架,研究并改進(jìn)了Mosaic數(shù)據(jù)擴(kuò)充算法,研究了交并比 (Intersection over Union, IoU)算法對不同尺度檢測目標(biāo)的邊界框預(yù)測有效性,以及自建數(shù)據(jù)庫的寬高數(shù)據(jù)標(biāo)注值聚類對檢測結(jié)果及其評價參數(shù)的影響,優(yōu)化了YOLOv4的網(wǎng)絡(luò),提出基于IoU和識別準(zhǔn)確度的網(wǎng)絡(luò)調(diào)參方法。

    華電律方成教授團(tuán)隊在高壓設(shè)備識別及智能檢測研究方面取得新進(jìn)展

    圖3 訓(xùn)練集數(shù)據(jù)庫

    華電律方成教授團(tuán)隊在高壓設(shè)備識別及智能檢測研究方面取得新進(jìn)展

    圖4 優(yōu)化后網(wǎng)絡(luò)的識別效果

    本項研究成果主要有:1)基于YOLOv4,對數(shù)據(jù)擴(kuò)充算法進(jìn)行了改進(jìn),優(yōu)化后的網(wǎng)絡(luò)訓(xùn)練誤差由1.011降低到了0.302,識別準(zhǔn)確度提高到84.3%;2)研究并分析了CIoU和GIoU方法在訓(xùn)練和識別大目標(biāo)和小目標(biāo)中的優(yōu)劣勢,對均壓環(huán)和防振錘等相對較小目標(biāo)采用了GIoU的優(yōu)化方法,使其平均識別準(zhǔn)確率提高了3%;3)提出了基于自建數(shù)據(jù)庫識別類別和label寬高數(shù)據(jù)的聚類思路,經(jīng)過優(yōu)化后的網(wǎng)絡(luò)識別準(zhǔn)確度提高了0.8%,訓(xùn)練誤差減小了3%。

    研究團(tuán)隊表示,經(jīng)過優(yōu)化和參數(shù)調(diào)優(yōu),較好地實現(xiàn)了主要電氣設(shè)備的識別,本項成果可用于基于無人機(jī)和巡檢機(jī)器人搭載的多光譜成像檢測。

    本文編自2021年第22期《電工技術(shù)學(xué)報》,論文標(biāo)題為“基于優(yōu)化YOLOv4的主要電氣設(shè)備智能檢測及調(diào)參策略”,作者為律方成、牛雷雷 等。