电力系统的安全稳定运行一直是中国电力工业的重中之重，电缆隧道的安全也是电网安全运行的重要组成部分。本文中，电缆隧道检测系统拍摄的图像用于根据卷积神经网络算法（R-CNN）和地图定位图像中的异常条件点。
红外图像。析电缆和连接器的温度，及时发出异常情况，以保持电源的安全并延长电缆的使用寿命。了满足电缆隧道检测图像的执行速度要求，采用垂直和水平重叠算法（CSO）来优化图像的分割阈值，便于快速定位异常位置。缆隧道;温度异常;卷积神经网络;垂直和水平交叉优化算法中图分类号：TP391.41; TP183文件编号：A产品号：2096-4706（2019）02-0046-05摘要：安全稳定运行在中国，电缆隧道的安全性也是网络运行安全的重要组成部分该文件描述了电缆隧道的控制系统。卷积神经网络方法中，将电缆连接器放置在图像中并将其映射到红外图像。析电缆连接器的温度及时触发报警，在异常情况下，可以保持电源的安全，延长电缆的使用寿命：鉴于采集的样品图像数量少，采用迁移学习方法，降低训练强度，确保更好的定位和识别效果。键词：电缆隧道;温度异常;卷积交叉神经元网络;交叉开关优化算法引言地下电缆隧道中的电缆线路和各种通信设备数量逐渐增加，电缆隧道结构因现场等原因复杂，维护地下电缆变得越来越复杂。[1]越难。于电缆连接处的处理水平的限制，连接不良的问题可能导致对连接的过度阻力，这可能在由电流产生的热效应下产生热量到电缆连接器。缆，可能会损坏电缆绝缘层。漏甚至可能导致火灾[2]。未连接区域，热故障通常不是由低电阻值引起的。
此，监控电缆连接器的温度对于减少电缆故障和延长其寿命非常重要。用常用的温度传感器，例如热敏电阻，
矿用电缆热电偶，温度控制的晶闸管等，会产生无法解决的问题。于电缆护套的存在，接触温度传感器具有高滞后，并且所产生的温度是小面积。
了获得整体温度，必须安装大量传感器，这增加了电缆隧道维护的难度[3]。着电缆检测机器人的推广，用于维护电缆隧道的设备的使用正变得越来越流行。本文中，使用配备有可见光高清摄像机和红外摄像机的电缆隧道检测机器人来收集图像。缆接头的位置基于R-CNN网络结构。后确定是否发出异常高温警告。
积神经元网络（CNN）是一种直接响应神经网络，其人工神经元可以响应部分覆盖范围的周围区域，并具有处理大图像的优异性能[4]。5]。]。积神经网络（CNN）的主要结构由卷积层，激活函数，聚类层，完全连通层和分类器（softmax）组成。积层实验结果的分析图1说明了R-CNN网络结构的网络结构。域建议网络（RPN）被添加到用作预选区域生成的基本神经网络的特征层的输出。
获得RPN网络的预选区域后，分组层将特征图上对应的预选区域的特征整合为固定长度的特征向量，并连接到softmax分类层和回归层。过完全连接的双层层后的边界[11]。本的神经网络可以选择不同的结构，如GoogleNet [12]和ZFNet [13]。
文选择使用ZFNet，因为网络很小，程序运行合理。
使训练数据基于较小的CNN网络结构作为网络的基本训练参数，仍然需要大量训练样本。广东省珠海市食品局的帮助下，实验队在横琴地区的秦琴和B线上收集了数千分钟的视频数据和1，500张正常或异常情况的图像。
上所述获得的样品分为学习集和测试集。域推荐网络（RPN）使用通过CNN网络上的先前训练获得的网络参数进行初始化。R-CNN目标检测网络参数由RPN网络初始化，并且预选的训练区域目标检测网络由RPN网络检索。用经过培训的目标检测网络重置RPN网络，更正网络卷积层并对其进行微调。定目标检测网络的卷积层利用优化的RPN网络提取的预选区域精确调整目标检测网络。图2所示。
个网络的输出对应于有线接口的位置信息。个参数（x，y，w，h）是左上角的水平和垂直坐标。面区域，以及区域的宽度和高度。验过程可以在形成R-CNN目标检测网络后获得电缆接头的温度，以获得可见光下照片上电缆连接器的位置。体步骤如下：由R-CNN和可见隧道机器人可见光摄像机获得的关节红外摄像机设置可用于将可见光照片的电缆连接区域映射到红外照片。所选择的红外照片区域上搜索最高温度值以获得最高温度值。据电缆芯的温度校正公式和防爆外壳的温度进行校正后，可获得电缆连接处的最大芯温。最高温度与标准电缆连接器检查温度阈值进行比较，以确定是否存在异常高温并决定触发警报。果与分析两个电缆接头的识别和定位结果如图3，图1和图4所示。中，（a）是可见光下的原始图像，（b）是定位后可见光中的图像。（c）是相应的红外图像。据对应于定位框架的红外图像，也就是说，寻求关节区域的最高温度，关节1的最高温度为31.63℃，关节2的最高温度为在29.31°C，均在正常温度范围内。于Faster-R-CNN的有线链路定位算法可以精确定位，识别速度快，统计结果表明识别精度高达80％，时间到仅在CPU模式下识别小于10秒。外，密封温度识别结果与现场检查结果一致，温差不超过5％。论在本文中，深度学习和图像处理技术被应用于功率隧道图像的识别和分析，以及最先进的识别算法。
度基于数字图像处理技术和卷积神经网络。高压危险环境中，
矿用电缆可以使用检测机器人代替人工检测电缆的温度状况，减少操作维护人员的工作量，提高智能化水平检查机器人和使用现有检查机器人在电缆隧道中的检查。查设备收集，定位和识别电缆连接器的温度状态。算法适用性广，识别质量好，识别速度快，为智能电力隧道和无人值守服务提供重要技术支持。
本文转载自
电缆价格 https://www.haoluoyi.com
猜您兴趣
首页
QQ