简介:摘要: 随着电力系统的发展和远动通道的广泛应用,远动通道故障的自动检测方法也得到了很大的改善。然而,仍然存在一些问题,如传统方法的局限性和复杂故障的识别困难。本文从远动通道故障分类与特征入手,分析了传统方法的阈值法、回切法和特征提取法,并介绍了基于机器学习的方法和深度学习方法的应用。通过对各种方法的比较和分析,得出了选择合适特征和分类器、优化参数设置以及引入深度学习方法的建议,以提高远动通道故障自动检测的准确性和效果。
简介:茶叶嫩芽的自动检测是实现茶叶自动化采摘的难点之一,本文针对陕西名茶“午子仙毫”茶叶图像,采用提取绿色分量、区域标记和逐行扫描相结合的方法,实现了叶片重叠条件下的嫩芽自动检测。实验中,首先提取茶叶原始彩色图像中的绿色分量,并通过阈值分割的方法,将嫩叶和老叶分离其次采用区域标识的方法,去掉嫩叶图像中孤立噪声区域,实现茶叶“两瓣一心”区域的提取,并采用数学形态学的膨胀运算,填充图像中由于病害等引起的叶片表面缺陷最后提出始于顶端、逐行扫描的方法,直至检测出叶片分叉部位,实现嫩芽目标的检测。实验结果表明,该方法能对30幅图像正确检测出28幅,准确率为93.3%,表明该方法可以对有叶片重叠的单株茶叶嫩芽目标进行检测。
简介:摘要:经济飞速发展离不开电力支持,同时较大的电力需求促进了经济快速发展,可见电能的质量变得越来越重要。输配电作为给用户直接提供电能的环节,以串联电容的方式补偿电抗,优化输配电线路的工作稳定性。但随着城市化进程发展加快,越来越多的建筑、行业以及其他用户,对于电能的需求越来越大,为了实现“覆盖式”供电、合理调度用电,现阶段的电力输配电线路结构变得越来越复杂,包含的支路逐渐增多,产生了大量故障问题,其中短路故障最为明显,大约有10种故障类型。此种情况下的输配电网运行,需要利用故障检测方法,排查短路故障问题,但目前的检测方法对于故障类型的分析较为单一,导致检测存在极大误差,给实际维修工作带来困难的同时,也耗费了宝贵的维修时间,针对这一问题研究全新的电力输配电线路运行短路故障自动检测方法。