基于机器视觉深度学习的绝缘子前端定位方法

论文摘要

将尚未应用于电力领域的SSD（single shot multibox detector）深度学习算法和现场可编程门阵列（field-programmable gate array,FPGA）硬件加速方法应用于电力巡检无人机,设计了一种基于目标图像识别技术的绝缘子前端定位系统。首先,计算目标物在图像像素坐标系中的位置坐标,并分别计算该位置在X方向、Y方向与图像中心的位移偏差值;然后,根据坐标转换关系,将位移偏差值转化为2个偏转方向上的偏转角值;最后,将偏转角信息作为控制参数反馈给云台,驱动电动机完成摄像机的转动,使拍摄的目标物保持在摄像机视野的中心位置,利用经过图像数据库训练的SSD深度学习算法实现绝缘子定位。检测结果显示,该系统能够准确地对绝缘子进行定位,数据处理速度较快,提高了巡线效率。

论文目录

• 1 系统设计
•   1.1 工作原理
•   1.2 飞行平台及云台
•   1.3 机载电脑
•   1.4 AI计算平台
• 2 关键技术
•   2.1 机载计算平台与飞行控制系统及地面站的实时通信
•   2.2 偏转角计算
•   2.3 SSD深度学习算法
• 3 实测验证
• 4 结束语

文章来源

类型: 期刊论文

作者: 苏超,杨强

关键词: 无人机,图像识别,绝缘子,算法,定位

来源: 广东电力 2019年09期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,计算机软件及计算机应用

单位: 广东电网有限责任公司清远供电局,浙江大学电气工程学院

基金: 国家自然科学基金项目(51777183),国家重点研发计划项目(2017YFB0903000)

分类号: TM216;TP391.41

页码: 33-40

总页数: 8

文件大小: 1644K

下载量: 374