核心詞：MYPT高壓電纜 : 一種 基于 卷積 神經 網絡 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,實驗組在橫琴地區(qū)收集了數千分鐘的視頻數據和1500張正常或異常情況的圖片。即使使用較小的CNN網絡結構作為基本的網絡訓練參數,仍然需要大量的訓練樣本。如圖2所示。隨著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行維護越來越普遍。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機器人,基于r-cnn網絡結構,對電纜接頭進行圖像采集、定位,判斷是否發(fā)出異常高溫報警。該算法適用范圍廣,識別質量好,識別速度快,為智能化無人值守電力隧道提供了重要的技術支持。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(xiàn)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行比較
　　將最高溫度與電纜接頭的檢查標準溫度閾值進行比較,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。由于網絡規(guī)模小,程序運行時間合理,本文選擇使用zfnet。從RPN網絡獲得預選區(qū)域后,池層將特征地圖上相應預選區(qū)域的特征整合成一個固定長度的特征向量,該特征向量經過兩個全連接層后連接到softmax分類層和幀回歸層。固定目標檢測網絡的卷積層使用微調后的RPN網絡提取的預選區(qū)域微調目標檢測網絡。用訓練好的目標檢測網絡重新初始化RPN網絡,固定網絡的卷積層并進行微調。常用的溫度傳感器,如熱敏電阻、熱電偶、溫控晶閘管等,在使用中存在無法克服的問題。
　　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(tǒng)計結果表明,在純CPU模式下,識別準確率高達80%,識別時間小于10s。根據定位框對應的紅外圖像中的最高溫度即接頭區(qū)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。本文將深度學習和圖像處理技術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和卷積神經網絡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(qū)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光攝像頭和紅外攝像頭的參數,可以將電纜接頭區(qū)域從可見光照片映射到紅外照片。整個網絡的輸出是電纜接口的位置信息,包括四個參數:接口區(qū)域左上角的橫坐標和縱坐標,以及區(qū)域的寬度和高度。卷積神經網絡是一種前饋神經網絡。
　　3、它的人工神經元能夠對覆蓋范圍內的一些周圍單元做出響應
　　它的人工神經元能夠對覆蓋范圍內的一些周圍單元做出響應,在大規(guī)模圖像處理中具有優(yōu)異的性能。卷積神經網絡的主要結構是卷積層、激活函數、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越困難。由于電纜接頭處工藝水平的限制和連接松動,接頭處的電阻可能過高。在電纜電流流動時產生的熱效應下,會導致電纜接頭處發(fā)熱,嚴重時會損壞電纜的絕緣,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,對電纜接頭進行溫度監(jiān)測對減少電纜故障、延長電纜使用壽命具有重要意義。r-cnn的網絡結構如圖1所示。在基本神經網絡輸出的特征層中加入區(qū)域推薦網絡,作為預選區(qū)域的生成。使用CNN網絡預訓練后獲得的網絡參數初始化區(qū)域推薦網絡。RPN網絡用于初始化r-cnn目標檢測網絡參數,RPN網絡用于提取預選區(qū)域內的訓練目標檢測網絡。此外,接頭處的溫度識別結果與現(xiàn)場檢查結果一致,溫度偏差不得超過5%。本文給出了兩個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:原始可見光圖像,定位后的可見光圖像,以及相應的紅外圖像。
　　如果您對“MYPT高壓電纜:一種基于卷積神經網絡和縱橫交叉優(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