核心詞：MYPT高壓電纜 : 一種 基于 卷積 神經(jīng) 網(wǎng)絡(luò) 和 縱橫 交叉 優(yōu)化 算法 的 電纜 隧道 溫度 異常 識(shí)別 方法 
　　在廣東省珠海供電局的幫助下,實(shí)驗(yàn)組在橫琴地區(qū)收集了數(shù)千分鐘的視頻數(shù)據(jù)和1500張正?；虍惓Ｇ闆r的圖片。即使使用較小的CNN網(wǎng)絡(luò)結(jié)構(gòu)作為基本的網(wǎng)絡(luò)訓(xùn)練參數(shù),仍然需要大量的訓(xùn)練樣本。如圖2所示。隨著電纜檢測(cè)機(jī)器人的普及,利用檢測(cè)機(jī)器人設(shè)備對(duì)電纜隧道進(jìn)行維護(hù)越來(lái)越普遍。本文采用配備可見光高清攝像頭和紅外攝像頭的電纜隧道檢測(cè)機(jī)器人,基于r-cnn網(wǎng)絡(luò)結(jié)構(gòu),對(duì)電纜接頭進(jìn)行圖像采集、定位,判斷是否發(fā)出異常高溫報(bào)警。該算法適用范圍廣,識(shí)別質(zhì)量好,識(shí)別速度快,為智能化無(wú)人值守電力隧道提供了重要的技術(shù)支持。在高壓危險(xiǎn)環(huán)境中,檢測(cè)機(jī)器人可以代替人工檢測(cè)電纜的溫度狀態(tài),減少操作維護(hù)人員的工作量,提高檢測(cè)機(jī)器人的智能化水平。電纜隧道內(nèi)現(xiàn)有檢測(cè)機(jī)器人的檢測(cè)設(shè)備可用于采集、定位和識(shí)別電纜接頭的溫度狀態(tài)。
　　1、將最高溫度與電纜接頭的檢查標(biāo)準(zhǔn)溫度閾值進(jìn)行比較
　　將最高溫度與電纜接頭的檢查標(biāo)準(zhǔn)溫度閾值進(jìn)行比較,判斷是否存在異常高溫,并決定是否報(bào)警。根據(jù)電纜芯線溫度和防爆箱溫度的修正公式,得出電纜接頭處電纜芯線的最高溫度。由于網(wǎng)絡(luò)規(guī)模小,程序運(yùn)行時(shí)間合理,本文選擇使用zfnet。從RPN網(wǎng)絡(luò)獲得預(yù)選區(qū)域后,池層將特征地圖上相應(yīng)預(yù)選區(qū)域的特征整合成一個(gè)固定長(zhǎng)度的特征向量,該特征向量經(jīng)過(guò)兩個(gè)全連接層后連接到softmax分類層和幀回歸層。固定目標(biāo)檢測(cè)網(wǎng)絡(luò)的卷積層使用微調(diào)后的RPN網(wǎng)絡(luò)提取的預(yù)選區(qū)域微調(diào)目標(biāo)檢測(cè)網(wǎng)絡(luò)。用訓(xùn)練好的目標(biāo)檢測(cè)網(wǎng)絡(luò)重新初始化RPN網(wǎng)絡(luò),固定網(wǎng)絡(luò)的卷積層并進(jìn)行微調(diào)。常用的溫度傳感器,如熱敏電阻、熱電偶、溫控晶閘管等,在使用中存在無(wú)法克服的問(wèn)題。
　　2、由于電纜護(hù)套的存在
　　由于電纜護(hù)套的存在,接觸式溫度傳感器的溫度變化具有很大的滯后性,MYPT高壓電纜且獲得的溫度范圍較小。為了獲得整體溫度,需要安裝大量傳感器,這增加了電纜隧道維護(hù)的難度。本文采用的基于fast-r-cnn的電纜接頭定位算法能夠準(zhǔn)確定位和快速識(shí)別。統(tǒng)計(jì)結(jié)果表明,在純CPU模式下,識(shí)別準(zhǔn)確率高達(dá)80%,識(shí)別時(shí)間小于10s。根據(jù)定位框?qū)?yīng)的紅外圖像中的最高溫度即接頭區(qū)域的搜索結(jié)果,接頭1的最高溫度為31.63℃,接頭2的最高溫度為29.31℃,均在正常溫度范圍內(nèi)。本文將深度學(xué)習(xí)和圖像處理技術(shù)應(yīng)用于電力隧道圖像的識(shí)別和分析,提出了一種基于數(shù)字圖像處理技術(shù)和卷積神經(jīng)網(wǎng)絡(luò)的智能電纜接頭溫度狀態(tài)識(shí)別算法。在選定的紅外照片區(qū)域中搜索最高溫度,以獲得最高溫度。根據(jù)r-cnn獲得的接頭面積,以及隧道檢測(cè)機(jī)器人可見光攝像頭和紅外攝像頭的參數(shù),可以將電纜接頭區(qū)域從可見光照片映射到紅外照片。整個(gè)網(wǎng)絡(luò)的輸出是電纜接口的位置信息,包括四個(gè)參數(shù):接口區(qū)域左上角的橫坐標(biāo)和縱坐標(biāo),以及區(qū)域的寬度和高度。卷積神經(jīng)網(wǎng)絡(luò)是一種前饋神經(jīng)網(wǎng)絡(luò)。
　　3、它的人工神經(jīng)元能夠?qū)Ω采w范圍內(nèi)的一些周圍單元做出響應(yīng)
　　它的人工神經(jīng)元能夠?qū)Ω采w范圍內(nèi)的一些周圍單元做出響應(yīng),在大規(guī)模圖像處理中具有優(yōu)異的性能。卷積神經(jīng)網(wǎng)絡(luò)的主要結(jié)構(gòu)是卷積層、激活函數(shù)、池層、全連接層和分類器。目前,地下電纜隧道中的電纜線路及各種電力設(shè)備和通信設(shè)備的數(shù)量逐漸增加,由于地形等原因,電纜隧道的結(jié)構(gòu)更加復(fù)雜,使得地下電纜的維護(hù)越來(lái)越困難。由于電纜接頭處工藝水平的限制和連接松動(dòng),接頭處的電阻可能過(guò)高。在電纜電流流動(dòng)時(shí)產(chǎn)生的熱效應(yīng)下,會(huì)導(dǎo)致電纜接頭處發(fā)熱,嚴(yán)重時(shí)會(huì)損壞電纜的絕緣,導(dǎo)致漏電,甚至起火。
　　4、在不連接的情況下
　　在非連接情況下,由于電阻值很小,通常不存在熱故障。因此,對(duì)電纜接頭進(jìn)行溫度監(jiān)測(cè)對(duì)減少電纜故障、延長(zhǎng)電纜使用壽命具有重要意義。r-cnn的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。在基本神經(jīng)網(wǎng)絡(luò)輸出的特征層中加入?yún)^(qū)域推薦網(wǎng)絡(luò),作為預(yù)選區(qū)域的生成。使用CNN網(wǎng)絡(luò)預(yù)訓(xùn)練后獲得的網(wǎng)絡(luò)參數(shù)初始化區(qū)域推薦網(wǎng)絡(luò)。RPN網(wǎng)絡(luò)用于初始化r-cnn目標(biāo)檢測(cè)網(wǎng)絡(luò)參數(shù),RPN網(wǎng)絡(luò)用于提取預(yù)選區(qū)域內(nèi)的訓(xùn)練目標(biāo)檢測(cè)網(wǎng)絡(luò)。此外,接頭處的溫度識(shí)別結(jié)果與現(xiàn)場(chǎng)檢查結(jié)果一致,溫度偏差不得超過(guò)5%。本文給出了兩個(gè)電纜接頭的識(shí)別和定位結(jié)果,分別如圖3接頭1和圖4接頭2所示。圖中:原始可見光圖像,定位后的可見光圖像,以及相應(yīng)的紅外圖像。
　　如果您對(duì)“MYPT高壓電纜:一種基于卷積神經(jīng)網(wǎng)絡(luò)和縱橫交叉優(yōu)化算法的電纜隧道溫度異常識(shí)別方法”感興趣，歡迎您聯(lián)系我們