Print

发布时间: 2021-11-16
摘要点击次数:
全文下载次数:
2021 | Volume 26 | Number 11




         




  <<上一篇 




  下一篇>> 





编者按
expand article info

电力系统作为国家的重要基础设施,其安全稳定运行关系着国计民生、经济社会可持续发展和国家安全。为了保证电力系统安全稳定运行,对其发电、输电、变电、配电和用电各环节进行智能巡检已成为电力系统发展的必然趋势。电力视觉技术是计算机视觉在电力系统中的应用技术,是电力人工智能的重要组成部分。目前,通过人工、直升机、无人机、机器人等巡检方式获取的巡检图像和视频数量日益增多,越来越多的研究者开始研究基于计算机视觉技术的电力智能巡检,并取得了一定研究进展。

当前“双碳”目标下建设新型电力系统要求电力设备的运维更加安全和高效,同时,为了促进我国电力视觉技术与应用研究的深入开展,及时反映我国学者在相关领域的最新研究进展,《中国图象图形学报》邀请业内专家共同策划推出“电力视觉前沿技术”专栏。经过严格的同行评审,本专栏共收录学术论文6篇,包括电力视觉技术研究综述及其应用研究等方面具有创新性的研究成果。

《输电线路部件视觉缺陷检测综述》较全面地阐述了输电线路部件视觉缺陷检测研究发展历程,从数据样本平衡方法、小目标检测方法以及细粒度检测方法3个方面详细地分析了关键技术的难点,对于基于深度学习的高精度、高效率、强智能、多层次、全覆盖的输电线路关键部件缺陷检测模型的研究和发展,具有较重要的借鉴意义。

《面向改进尺度缩放网络的绝缘子识别》针对传统方法无法自动提取绝缘子特征,以及深度学习网络提取绝缘子语义信息不足的问题,提出了一种基于改进多尺度网络的绝缘子识别模型,同时满足自动识别和增强语义信息的要求。改进模型使绝缘子识别准确率显著提高,为之后的输电线路检测工作夯实基础。

《最优知识传递宽残差网络输电线路螺栓缺陷图像分类》针对输电线路螺栓图像分辨率和视觉信息较差的特性导致教师网络螺栓缺陷分类时参数量大、学生网络分类精度低的问题,提出了一种基于最优知识传递网络的螺栓缺陷分类方法,弥补了大小模型螺栓缺陷图像分类的局限性,实现了精度与资源消耗的平衡。

《可变形NTS-Net的螺栓属性多标签分类》针对螺栓缺陷存在视觉不可分的问题,提出了一种可形变NTS-Net的螺栓属性多标签分类方法,为螺栓缺陷检测奠定了基础。实验结果表明,通过可变形卷积提升网络的特征提取能力以及引入通道注意力机制实现了对NTS-Net提供的局部特征的高效利用,为解决螺栓多属性分类中存在的问题提供了一种新的思路。

《嵌入双注意力机制的Faster R-CNN航拍输电线路螺栓缺陷检测》针对螺栓目标存在背景复杂、目标过小、不同类别之间差异小以及精细特征难以提取的问题,提出了一种双注意力机制方法分别对不同尺度和不同位置的视觉特征进行分析和增强。在航拍输电线路典型螺栓数据集上进行测试,提出的方法取得了良好的效果,有效避免了螺栓缺陷检测中的误判漏判问题,为输电线路其他缺陷检测任务奠定了良好的基础。

《轻量化航拍图像电力线语义分割》围绕输电线路无人机巡视的实时性问题,提出了一种轻量化的航拍图像电力线语义分割方法。验证了不同数据集增强方法、损失函数、输入色彩空间组合对模型收敛性能、训练速度和过拟合程度的影响,给出了各色彩空间内的最佳组合。同时,采用网络剪枝的方式极大降低了电力线语义分割网络的参数量和运算量,对网络模型的落地部署有积极的作用,对后续的相似应用可以起到一定的参考。

我们期待相关领域的读者和科技人员通过“电力视觉前沿技术”专栏,能够广泛深入地了解当前电力视觉研究领域最新的技术和最前沿的应用方向,为我国电力人工智能的发展做出新的贡献。

专栏编委

翟永杰  教授,华北电力大学

马占宇  教授,北京邮电大学

张   珂  教授,华北电力大学

赵振兵  教授,华北电力大学

赵文清  教授,华北电力大学