中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 极寒环境的输电线路机器人巡检关键技术研究 山东农业大学学报(自然科学版) 2020,51 (3) 525-528
Position: Home > Articles > Study on the Key Technology of Routing Inspection for Transmission Line by Robot under an Extremely Cold Environment Journal of Shandong Agricultural University(Natural Science Edition) 2020,51 (3) 525-528

极寒环境的输电线路机器人巡检关键技术研究

作  者：
高春辉;李方;秘立鹏;王泽禹
单  位：
广东科凯达智能机器人有限公司;国网内蒙古东部电力有限公司电力科学研究院;国网内蒙古东部电力有限公司检修分公司
关键词：
输电线路;机器人巡检
摘  要：
国内高压输电线路机器人巡检存在运行环境复杂、传感器信息量大且多样和越障效率低等问题。本文以极寒条件下500 kV输电线路典型障碍物为研究对象,提出一种利用图像处理技术预处理提取目标特征,机器学习SVM分类决策算法分类,再与结构约束结合从而可以高效准确地识别高压输电线路障碍物,并通过准确性和有效性验证。结果表明,该算法可以准确地识别定位防震锤等障碍物,对我国高压输电线路智能机器人巡检技术的发展提供了参考和借鉴。
译  名：
Study on the Key Technology of Routing Inspection for Transmission Line by Robot under an Extremely Cold Environment
作  者：
GAO Chun-hui;LI Fang;MI Li-peng;WANG Ze-yu;Institute of State Grid East Inner Mongolia Electric Power Co.Ltd.;Guangdong Keystar Intelligence Robot Co.Ltd.;State Grid East Inner Mongolia Maintenance Company;
关键词：
High voltage transmission line;;robot inspection
摘  要：
There are some problems such as complex operating environment, large and diverse sensor information and low obstacle surmounting efficiency.Based on the 500 kV transmission lines under the condition of cold typical obstacles as the research object, put forward a kind of pretreatment of the technology of image processing to extract target feature, machine learning classification SVM classification decision algorithm, then combined with structural constraints which can efficiently and accurately identify high voltage transmission line obstacles, and through the accuracy and validation.The results show that the algorithm can accurately identify and locate obstacles such as shockproof hammers, which provides a reference for the development of intelligent robot patrol technology of high-voltage transmission lines in China.

相似文章

导出引用
计量
文章访问数: 9
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46