期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于模型压缩的ED-YOLO电力巡检无人机避障目标检测算法
被引量：
92
1
作者
彭继慎
孙礼鑫
+1 位作者
王凯
宋立业
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2021年第10期161-170,共10页
针对现有卷积神经网络模型体积大、运算量高,导致电力巡检无人机检测速率与精度无法兼顾的问题,提出一种基于模型压缩的ED-YOLO网络实现无人机避障的目标检测算法。该目标检测算法以YOLOv4为基础,首先在主干网络中加入通道注意力机制,...
针对现有卷积神经网络模型体积大、运算量高,导致电力巡检无人机检测速率与精度无法兼顾的问题,提出一种基于模型压缩的ED-YOLO网络实现无人机避障的目标检测算法。该目标检测算法以YOLOv4为基础,首先在主干网络中加入通道注意力机制,在不增加计算量前提下提高检测精度;其次在特征金字塔部分运用深度可分离卷积替换传统卷积,减少卷积计算量;最后利用模型压缩策略裁剪网络中冗余通道,减小模型体积并提高模型检测速度。在自主构建的9600张电力巡检无人机飞行障碍的数据集进行测试,ED-YOLO与YOLOv4相比,其障碍物目标检测的平均精度均值只降低了1.4%,而模型体积减少了94.9%,浮点运算量减少了82.1%,预测速度提升了2.3倍。实验结果表明,对比多种其他现存方法,本文提出的基于模型压缩的ED-YOLO目标检测算法有着精度高、体积小和检测速度快的优势,满足电力巡检无机避障检测要求。
展开更多
关键词
电力巡检无人机
目标
检
测
注意力机制
深度可分离卷积
模型压缩
在线阅读
下载PDF
职称材料
基于无人机电力巡检的椭圆稀布阵列天线优化方法研究
被引量：
3
2
作者
缪钟灵
吴念
+3 位作者
姚隽雯
柯贤彬
王丛
别士光
《电测与仪表》
北大核心
2024年第7期88-93,共6页
为了提高电力巡检无人机的电磁检测性能,提出了一种基于无人机电力巡检的椭圆稀布阵列天线优化方法。阵列天线的阵列单元稀布排列,能够在保证阵列天线性能的同时,减少阵列单元的数目,从而减少馈电单元的数目。每个阵列单元等幅馈电,可...
为了提高电力巡检无人机的电磁检测性能,提出了一种基于无人机电力巡检的椭圆稀布阵列天线优化方法。阵列天线的阵列单元稀布排列,能够在保证阵列天线性能的同时,减少阵列单元的数目,从而减少馈电单元的数目。每个阵列单元等幅馈电,可以有效降低馈电网络设计的复杂程度,这些都能够在一定程度上降低阵列天线的功耗,提高无人机的巡检时间。利用改进智能优化算法,通过优化阵列单元的位置,使方向图的最高旁瓣电平(peak sidelobe level,PSLL)尽量低,因此文中设计的阵列天线具有较低的最高旁瓣电平,从而具有很好的环境抗干扰能力。仿真结果表明,在给定阵列单元数目、最小间距约束和阵列天线尺寸的情况下,提出的方法能够有效降低阵列天线方向图的最高旁瓣电平,对具有41个阵列单元的椭圆阵列天线进行优化,优化后的阵列天线方向图的最高旁瓣电平在-24dB以下。
展开更多
关键词
电力巡检无人机
阵列天线
入侵杂草算法
差分进化算法
最高旁瓣电平
在线阅读
下载PDF
职称材料
图像转换和机器学习的无人机线路绝缘子识别
3
作者
张海
陈垒
+1 位作者
陈明
李建东
《机械设计与制造》
北大核心
2025年第4期320-324,共5页
电力无人机巡检技术的应用极大提高了电力输电线路的巡检效率,使得电网公司能够以高效、准确和快速的效果事先发现输电线路中的故障隐患。提出一种基于图像转换和机器学习的电力无人机线路绝缘子识别研究,使得电网后台图像处理系统可以...
电力无人机巡检技术的应用极大提高了电力输电线路的巡检效率,使得电网公司能够以高效、准确和快速的效果事先发现输电线路中的故障隐患。提出一种基于图像转换和机器学习的电力无人机线路绝缘子识别研究,使得电网后台图像处理系统可以快速识别并获取输电线路上的绝缘子信息。首先确定和连接位于输电线绝缘子数字图像的点集,然后基于Welch算法和周期图法对图片文件进行转换,并构建基于CART决策树、随机森林和XGBoost算法的机器学习分类模型。最后借助5000张的实际输电线路绝缘子图像集进行验证,验证结果表明Welch算法与随机森林结合效果最好,获得最高达0.99的F_(1)分数。
展开更多
关键词
电力
无人机
巡
检
图像转换
机器学习
绝缘子识别
Welch算法
周期图法
在线阅读
下载PDF
职称材料
题名
基于模型压缩的ED-YOLO电力巡检无人机避障目标检测算法
被引量：
92
1
作者
彭继慎
孙礼鑫
王凯
宋立业
机构
辽宁工程技术大学电气与控制工程学院
国家电网葫芦岛供电公司
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2021年第10期161-170,共10页
基金
辽宁省教育厅科学技术研究创新团队项目(LT2019007)
辽宁省重点研发计划指导计划项目(2019JH8/10100050)
+1 种基金
辽宁省高等学校国(境)外培养项目(2019GJWZD002)
辽宁省教育厅科学技术研究服务地方项目(LJ2019FL003)资助。
文摘
针对现有卷积神经网络模型体积大、运算量高,导致电力巡检无人机检测速率与精度无法兼顾的问题,提出一种基于模型压缩的ED-YOLO网络实现无人机避障的目标检测算法。该目标检测算法以YOLOv4为基础,首先在主干网络中加入通道注意力机制,在不增加计算量前提下提高检测精度;其次在特征金字塔部分运用深度可分离卷积替换传统卷积,减少卷积计算量;最后利用模型压缩策略裁剪网络中冗余通道,减小模型体积并提高模型检测速度。在自主构建的9600张电力巡检无人机飞行障碍的数据集进行测试,ED-YOLO与YOLOv4相比,其障碍物目标检测的平均精度均值只降低了1.4%,而模型体积减少了94.9%,浮点运算量减少了82.1%,预测速度提升了2.3倍。实验结果表明,对比多种其他现存方法,本文提出的基于模型压缩的ED-YOLO目标检测算法有着精度高、体积小和检测速度快的优势,满足电力巡检无机避障检测要求。
关键词
电力巡检无人机
目标
检
测
注意力机制
深度可分离卷积
模型压缩
Keywords
power inspection UAV
target detection
attention mechanism
depth separable convolution
model compression
分类号
TM755 [电气工程—电力系统及自动化]
TH39 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于无人机电力巡检的椭圆稀布阵列天线优化方法研究
被引量：
3
2
作者
缪钟灵
吴念
姚隽雯
柯贤彬
王丛
别士光
机构
广东电网有限责任公司机巡作业中心
国网电力科学研究院武汉南瑞有限责任公司
出处
《电测与仪表》
北大核心
2024年第7期88-93,共6页
基金
南方电网有限责任公司科技资助项目(GDKJXM20190010(031000KK52190001))。
文摘
为了提高电力巡检无人机的电磁检测性能,提出了一种基于无人机电力巡检的椭圆稀布阵列天线优化方法。阵列天线的阵列单元稀布排列,能够在保证阵列天线性能的同时,减少阵列单元的数目,从而减少馈电单元的数目。每个阵列单元等幅馈电,可以有效降低馈电网络设计的复杂程度,这些都能够在一定程度上降低阵列天线的功耗,提高无人机的巡检时间。利用改进智能优化算法,通过优化阵列单元的位置,使方向图的最高旁瓣电平(peak sidelobe level,PSLL)尽量低,因此文中设计的阵列天线具有较低的最高旁瓣电平,从而具有很好的环境抗干扰能力。仿真结果表明,在给定阵列单元数目、最小间距约束和阵列天线尺寸的情况下,提出的方法能够有效降低阵列天线方向图的最高旁瓣电平,对具有41个阵列单元的椭圆阵列天线进行优化,优化后的阵列天线方向图的最高旁瓣电平在-24dB以下。
关键词
电力巡检无人机
阵列天线
入侵杂草算法
差分进化算法
最高旁瓣电平
Keywords
electric patrol UAV
array antenna
invasive weed optimization
differential evolution algorithm
peak sidelobe level
分类号
TM75 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
图像转换和机器学习的无人机线路绝缘子识别
3
作者
张海
陈垒
陈明
李建东
机构
云南电网有限责任公司大理供电局
出处
《机械设计与制造》
北大核心
2025年第4期320-324,共5页
基金
中国南方电网有限责任公司科技项目(YNKJXM20200176)—基于局放测量与图像融合的长航时无人机自主巡检关键技术研究。
文摘
电力无人机巡检技术的应用极大提高了电力输电线路的巡检效率,使得电网公司能够以高效、准确和快速的效果事先发现输电线路中的故障隐患。提出一种基于图像转换和机器学习的电力无人机线路绝缘子识别研究,使得电网后台图像处理系统可以快速识别并获取输电线路上的绝缘子信息。首先确定和连接位于输电线绝缘子数字图像的点集,然后基于Welch算法和周期图法对图片文件进行转换,并构建基于CART决策树、随机森林和XGBoost算法的机器学习分类模型。最后借助5000张的实际输电线路绝缘子图像集进行验证,验证结果表明Welch算法与随机森林结合效果最好,获得最高达0.99的F_(1)分数。
关键词
电力
无人机
巡
检
图像转换
机器学习
绝缘子识别
Welch算法
周期图法
Keywords
Electric UAV Inspection
Image Conversion
Machine Learning
Insulator Identification
Welch Al⁃gorithm
Period-Graph Method
分类号
TH16 [机械工程—机械制造及自动化]
TP242.2 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于模型压缩的ED-YOLO电力巡检无人机避障目标检测算法
彭继慎
孙礼鑫
王凯
宋立业
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2021
92
在线阅读
下载PDF
职称材料
2
基于无人机电力巡检的椭圆稀布阵列天线优化方法研究
缪钟灵
吴念
姚隽雯
柯贤彬
王丛
别士光
《电测与仪表》
北大核心
2024
3
在线阅读
下载PDF
职称材料
3
图像转换和机器学习的无人机线路绝缘子识别
张海
陈垒
陈明
李建东
《机械设计与制造》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
