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 識別 方法 
　　在廣東省珠海供電局的幫助下,實(shí)驗組在橫琴地區收集了數千分鐘的視頻數據和1500張正?；虍惓Ｇ闆r的圖片。即使使用較小的CNN網(wǎng)絡(luò )結構作為基本的網(wǎng)絡(luò )訓練參數,仍然需要大量的訓練樣本。如圖2所示。隨著(zhù)電纜檢測機器人的普及,利用檢測機器人設備對電纜隧道進(jìn)行維護越來(lái)越普遍。本文采用配備可見(jiàn)光高清攝像頭和紅外攝像頭的電纜隧道檢測機器人,基于r-cnn網(wǎng)絡(luò )結構,對電纜接頭進(jìn)行圖像采集、定位,判斷是否發(fā)出異常高溫報警。該算法適用范圍廣,識別質(zhì)量好,識別速度快,為智能化無(wú)人值守電力隧道提供了重要的技術(shù)支持。在高壓危險環(huán)境中,檢測機器人可以代替人工檢測電纜的溫度狀態(tài),減少操作維護人員的工作量,提高檢測機器人的智能化水平。電纜隧道內現有檢測機器人的檢測設備可用于采集、定位和識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準溫度閾值進(jìn)行比較
　　將最高溫度與電纜接頭的檢查標準溫度閾值進(jìn)行比較,判斷是否存在異常高溫,并決定是否報警。根據電纜芯線(xiàn)溫度和防爆箱溫度的修正公式,得出電纜接頭處電纜芯線(xiàn)的最高溫度。由于網(wǎng)絡(luò )規模小,程序運行時(shí)間合理,本文選擇使用zfnet。從RPN網(wǎng)絡(luò )獲得預選區域后,池層將特征地圖上相應預選區域的特征整合成一個(gè)固定長(cháng)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(lèi)層和幀回歸層。固定目標檢測網(wǎng)絡(luò )的卷積層使用微調后的RPN網(wǎng)絡(luò )提取的預選區域微調目標檢測網(wǎng)絡(luò )。用訓練好的目標檢測網(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。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、由于電纜護套的存在
　　由于電纜護套的存在,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確定位和快速識別。統計結果表明,在純CPU模式下,識別準確率高達80%,識別時(shí)間小于10s。根據定位框對應的紅外圖像中的最高溫度即接頭區域的搜索結果,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。本文將深度學(xué)習和圖像處理技術(shù)應用于電力隧道圖像的識別和分析,提出了一種基于數字圖像處理技術(shù)和卷積神經(jīng)網(wǎng)絡(luò )的智能電纜接頭溫度狀態(tài)識別算法。在選定的紅外照片區域中搜索最高溫度,以獲得最高溫度。根據r-cnn獲得的接頭面積,以及隧道檢測機器人可見(jiàn)光攝像頭和紅外攝像頭的參數,可以將電纜接頭區域從可見(jiàn)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:接口區域左上角的橫坐標和縱坐標,以及區域的寬度和高度。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)元能夠對覆蓋范圍內的一些周?chē)鷨卧龀鲰憫?/b>
　　它的人工神經(jīng)元能夠對覆蓋范圍內的一些周?chē)鷨卧龀鲰憫?在大規模圖像處理中具有優(yōu)異的性能。卷積神經(jīng)網(wǎng)絡(luò )的主要結構是卷積層、激活函數、池層、全連接層和分類(lèi)器。目前,地下電纜隧道中的電纜線(xiàn)路及各種電力設備和通信設備的數量逐漸增加,由于地形等原因,電纜隧道的結構更加復雜,使得地下電纜的維護越來(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)生的熱效應下,會(huì )導致電纜接頭處發(fā)熱,嚴重時(shí)會(huì )損壞電纜的絕緣,導致漏電,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,對電纜接頭進(jìn)行溫度監測對減少電纜故障、延長(cháng)電纜使用壽命具有重要意義。r-cnn的網(wǎng)絡(luò )結構如圖1所示。在基本神經(jīng)網(wǎng)絡(luò )輸出的特征層中加入區域推薦網(wǎng)絡(luò ),作為預選區域的生成。使用CNN網(wǎng)絡(luò )預訓練后獲得的網(wǎng)絡(luò )參數初始化區域推薦網(wǎng)絡(luò )。RPN網(wǎng)絡(luò )用于初始化r-cnn目標檢測網(wǎng)絡(luò )參數,RPN網(wǎng)絡(luò )用于提取預選區域內的訓練目標檢測網(wǎng)絡(luò )。此外,接頭處的溫度識別結果與現場(chǎng)檢查結果一致,溫度偏差不得超過(guò)5%。本文給出了兩個(gè)電纜接頭的識別和定位結果,分別如圖3接頭1和圖4接頭2所示。圖中:原始可見(jiàn)光圖像,定位后的可見(jiàn)光圖像,以及相應的紅外圖像。
　　如果您對“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別方法”感興趣，歡迎您聯(lián)系我們