基于无人机的起重机检测系统研究
- 格式:pdf
- 大小:1.62 MB
- 文档页数:4
基于无人机的船舶尾气检测系统设计史华杰;安博文;潘胜达;白响恩;周凡【摘要】针对海事监管中常用的登船抽取燃油对船舶尾气排放进行检测的方法存在盲目性、滞后性问题,设计了基于无人机的船舶尾气检测系统.其中的移动式尾气吊舱系统以GPRS作为网络基础,通过IP数据流方式传输采集到的数据报文;数据处理层接收AIS报文和检测数据报文,融合两者信息确定尾气中SO2浓度并识别出对应的船舶,通过尾气燃烧实验确定燃油中的硫含量与尾气SO2浓度的定量关系;数据表示层利用WebGIS实时显示检测信息.试验结果表明,该系统能够快速检测船舶尾气中的SO2浓度并确定燃油中的硫含量范围,与原来的燃油抽取检测方式相比,更具有针对性和实时性.【期刊名称】《自动化与仪表》【年(卷),期】2018(033)006【总页数】6页(P58-63)【关键词】检测系统;船舶尾气;移动式吊舱系统;无线检测;地图渲染;无人机装载【作者】史华杰;安博文;潘胜达;白响恩;周凡【作者单位】上海海事大学信息工程学院,上海 201306;上海海事大学信息工程学院,上海 201306;上海海事大学信息工程学院,上海 201306;上海海事大学信息工程学院,上海 201306;上海海事大学信息工程学院,上海 201306【正文语种】中文【中图分类】TP274;V279随着我国航运事业的高速发展,各大港区的船舶流量不断加大,船舶尾气污染日趋严重。
为应对当前节能减排的国际形势,国内部分港区开始建立船舶尾气排放区。
经调研,目前在海事监管领域中对于港区船舶尾气排放的监管,首先人为通过视觉观察船舶烟囱口的尾气排放情况,然后选择性地登船,进行燃油取样,送第三方检验部门做化验分析,最后以油样的相关指标参数作为船舶是否排放超标的依据。
而得到检查结果一般需要2天以上的时间。
因此,该方法检查目标较随机,针对性不强,效率相对较低。
无人机因具有轻巧灵活、装载方便等优点,在船舶的动态管理、防污染监视、执法取证等方面具有其他方式不可比拟的优势。
基于RS技术的智慧农田监测系统的分析研究摘要:本文采用RS技术对农作物的生长环境管控,实现一个轻巧级别的辅助管理系统。
基于无人机遥感技术智慧农田监测系统,依据C/S模式,前端采用Web技术,运用ZigBee技术和传感器网络将设备的监控系统传送至局域网路由器,服务器对传感网络收集的信息开展容错纠错机制选择及储存。
依据传感网络收集到的工作温度、空气相对湿度、太阳光照射等统计信息保证对当前及时环境下的实时监控系统以此挖掘农业用地利用率,匹配种植农作物种类,优化生长差异性,细腻精准调整农艺措施,获得较大总产量的最大利益,确保农业经济的可持续发展。
关键词:RS技术智慧农田监测系统序言本文提出基于RS技术的智慧农田系统总体架构,是以智能监控系统农田然后再进行生产决定而增添了数据支持,实现智农管理方案。
结合了RS技术、传感器、物联网、自动化控制、移动互联等技能,对土地、水蒸气、太阳光、空气中的热量等一系列的因素进行不断监测,利用智能平台远程控制、实现远程定时定量灌溉,提高工作效率和农作物产量,科学灾害预测等。
1 研究背景资源换产量促使粮食增产的方式会对技术手段薄弱等因素导致农业产量、质量提升缓慢。
我国现阶段的总人口占全世界总人口的21%,能够种植土地的面积却不能够达到全世界种植土地面积的7%左右,还创造着养活中国人的奇迹。
在中国要接下来要发展趋向智能化系统信息化农业,同样也是有着诸多问题需要解决[1]。
只有掌握农业新领域的关键所在技术,加快努力构建智能化农业才能稳步推进农业的多产运作,提高农业生产检测的水准,实现农村经济的不断发展。
2研究的可行性分析基于RS技术对农田进行智慧监测,是根据对信息的辨识能力,并且可以不断获取信息,包括农作物信息、农田环境信息、耕种机运转的信息等,分析依据Web技术进行信息管理对搜集的信息进行全面分析、处理,搜集土壤层生态环境气侯信息,空间数据分析统计,为智能化系统农业给予更加丰富的信息,依据不同方位的信息共享可以获取更多的信息服务,提高智能化系统农业管理决策水平工作实行水平。
基于无人机及机器视觉的光伏电站“热斑效应”检测系统研究【摘要】本研究旨在探讨基于无人机及机器视觉技术的光伏电站“热斑效应”检测系统。
在介绍了研究的背景和意义。
在分别介绍了光伏电站热斑效应、无人机在光伏电站中的应用以及机器视觉在光伏电站中的应用。
接着详细设计了基于无人机及机器视觉的热斑效应检测系统,并进行了实验结果分析。
在总结了研究成果,并展望了未来的发展方向。
通过本研究,我们可以更好地了解光伏电站的热斑效应,提高光伏电站的效率和安全性,为未来的绿色能源发展提供技术支持。
【关键词】光伏电站、热斑效应、无人机、机器视觉、检测系统、实验结果分析、研究成果、展望未来1. 引言1.1 研究背景光伏电站作为清洁能源的重要组成部分,受到了广泛的关注和应用。
由于光伏电池组件工作时会产生一定的热量,长期高温会导致光伏电站出现“热斑效应”,即局部组件温度过高导致效率下降,甚至损坏光伏设备的现象。
研究表明,光伏电站的“热斑效应”会使光伏板每年的发电量损失高达5%-10%,给光伏电站的长期运行和维护带来了挑战。
为了有效监测和管理光伏电站中的“热斑效应”,提高光伏电站的发电效率和使用寿命,研究者们开始将无人机和机器视觉技术引入到光伏电站的监测系统中,通过实时采集光伏电站的数据,快速识别和定位“热斑”,实现对光伏设备的及时监测和预警。
本研究旨在探索基于无人机及机器视觉的光伏电站“热斑效应”检测系统,为光伏电站的运行和维护提供科学依据和技术支持。
1.2 研究意义光伏电站作为清洁能源的重要组成部分,其运行效率和安全性直接影响着能源生产和环境保护。
而光伏电站中的“热斑效应”是一个普遍存在且严重影响光伏电站性能的问题。
热斑效应是指光伏电池组件在运行过程中因为局部故障或污染等原因导致热量异常集中,从而导致发电效率下降,甚至可能引发安全隐患。
建立一套高效准确的热斑效应检测系统对于提高光伏电站运行效率,延长设备寿命具有重要的现实意义。
基于无人机及机器视觉的热斑效应检测系统能够实现对光伏电站的全方位、高效率监测,通过实时收集、分析和识别热斑数据,及时发现和定位问题,提前预警,实现快速故障处理和维护,从而确保光伏电站的安全高效运行。
基于无人机的轻量化目标检测系统设计基于无人机的轻量化目标检测系统设计摘要:随着人工智能的发展和无人机技术的成熟,基于无人机的目标检测系统在各个领域得到了广泛应用。
然而,传统的目标检测系统往往需要大量的计算资源和存储空间,在无人机等资源受限的环境中存在很大的挑战。
因此,本文设计了一种轻量化的基于无人机的目标检测系统,旨在解决这一问题。
本系统采用了目标检测算法的优化和无人机平台的优化,实现了在资源受限的环境下准确高效地完成目标检测的功能。
一、引言目标检测是计算机视觉领域的核心任务之一,其在无人机应用中具有重要意义。
传统的目标检测方法通常采用深度学习算法,如卷积神经网络(CNN)。
然而,这些算法往往需要大量的计算资源和存储空间,不能满足无人机等资源受限环境下的需求。
因此,本文提出了一种轻量化的目标检测系统,通过对目标检测算法和无人机平台的优化,实现在无人机上高效完成目标检测任务。
二、系统设计1. 目标检测算法优化传统的目标检测算法如Faster R-CNN、YOLO等都存在较高的计算复杂度和存储需求。
为解决这一问题,本文采用了轻量化的目标检测算法,如TinyYOLO和SSD等。
这些算法通过减少网络层数、优化模型结构和参数设置等方式,降低了计算量和存储需求,使其更适合在资源受限的环境下使用。
2. 无人机平台优化无人机在目标检测任务中需要具备高性能的计算能力和稳定的飞行控制能力。
因此,本系统针对无人机平台进行了优化设计。
首先,选择了性能较好且计算资源相对较强的嵌入式处理器作为无人机的主控制中心。
其次,优化了无人机的传输通信模块,提升了数据传输速率和稳定性。
最后,针对目标检测过程中可能产生的飞行姿态变化和抖动问题,采用了姿态稳定控制算法,确保无人机在飞行过程中能够保持稳定的图像采集。
三、实验与结果本文针对所设计的轻量化目标检测系统进行了一系列实验,并与传统的目标检测系统进行了对比。
实验结果表明,本系统在保证目标检测精度的同时,大幅降低了计算资源和存储空间的消耗。
无人机综合仿真与测试平台技术研究王文亮;马骉;韩蕾【摘要】固定翼无人机在军事,国防,民用上都具有非常广泛的应用;无人机系统包括三大部分:无人机机体,无人机地面控制站以及无人机地面综合检测站;详细介绍了当前已交付使用的一种适应于多种型号的无人机地面综合实验平台,包括无人机地面飞行仿真和地面检测和故障诊断3个部分;从整体设计方案出发,从技术角度分析各个子系统的功能和设计方案;提出了可以应用于无人机地面实验平台的基于专家系统的遥控—遥测知识对的知识库的建立和通过搜索知识库的故障诊断方法;并以一个平台子系统为例介绍了以任务管理和数据流控制为核心的软硬件设计方案.【期刊名称】《计算机测量与控制》【年(卷),期】2019(027)009【总页数】6页(P13-17,27)【关键词】无人机;地面检测;飞行仿真;智能专家系统【作者】王文亮;马骉;韩蕾【作者单位】北京交通大学机械与电子控制工程学院,北京100044;北京自动控制研究所,北京100854;中国民航大学,天津300300【正文语种】中文【中图分类】TP274.50 引言固定翼无人机在军事,国防,民用上都具有非常广泛的应用。
如今的无人机的发展正向着智能化,信息化方向进行。
而无人机上的众多敏感电子元器件,如大量传感器,控制电路是否正常运行以及无人机飞控计算机的逻辑是否正确,决定着无人机的飞行的健康状况和可靠性。
而无人机系统即包括三大部分:无人机,无人机地面控制站以及无人机地面检测站。
因此,在每次无人机放飞前的地面综合检测就显得尤为关键。
一套对无人机的完善的地面综合测试将能确保无人机在起飞前得到快速的,准确的,完备的功能测试,定位相应可能的故障,是无人机飞行前的一道重要保障。
目前各国都在通过标准化无人机地面检测流程,模块化检测组件以达到在无人机快速更新换代的今天,能够统一地对多机型,多功能的无人机进行综合地面测试。
我国在对固定翼无人机地面检测的数字化,多机型匹配的研究过程中仍处于探索阶段,相对于起步较早的西方国家,有较多经验和技术上的差距。
Value Engineering0引言随着人工智能、大数据、传感器等技术的快速发展,智能工程机械成为社会发展的必然产物。
通信技术、计算机技术和人工智能技术的飞速发展,传统工程机械正在逐步实现“车+X ”(X 指人、工程机械、路、后台等)的智能信息交换共享,并逐步具备复杂的环境感知、智能决策、协同控制和执行等功能。
将车联网与智能工程机械有机联合,智能网联工程机械应运而生。
智能工程机械可有效解决行业面临的用工难、人工成本高等系列问题。
众所周知,建筑行业的劳动环境恶劣、劳动强度大。
未来,随着智能工程机械的普及,更多的人工岗位将被智能机械所代替,人工成本降低明显。
而且智能工程机械作业规范性高,失误率小,变相为企业降低了使用成本。
近年来建筑塔吊操作员在直接操作塔吊时,由于受到视野范围、恶劣天气状况等突发因素的影响,安全性得不到保障,一直以来被认为是高危行业;同时塔吊狭小的作业空间、高位作业给作业人员的心理造成了一定的影响。
塔机智能化是在能够完成塔式起重机起重任务的基础上,将自动控制、人工智能、通讯、机械等多学科和领域耦合在一起的非线性系统,从而使其能够更加高效地完成作业任务[1]。
研发基于人机共驾的智能塔吊操控装置及其控制系统符合行业需求,是推动行业进步的有效手段。
智能塔吊控制系统,旨在运用人工智能技术以推动传统塔吊行业升级改造。
利用人工智能技术对其工作全过程进行智能控制和安全预警具有及其重要的意义,智能塔吊也被纳入世界各国工程机械智能化发展战略中。
1国内外研究现状近年来,为了预防和减少塔吊安全生产事故发生,国内外研究人员针对塔吊运行状态的监测与控制在不同的方向做出了诸多研究。
1.1基于GPS/IMU 定位系统研究多传感器数据融合是信息领域中前景广阔的研究方向,由于单一传感器数据融合算法的局限性,将多种传感器数据融合的算法已经成为数据融合领域中的研究热点。
李庆成等[2]提出了一种融合IMU 、GNSS 和车速传感器信号的定位系统,引入车辆车速传感器信号,对车辆车速进行修正。
无人机检测报告近年来,无人机技术的快速发展,使得无人机在各个领域得到了广泛的应用,其中之一就是无人机的检测应用。
本报告旨在对无人机检测的相关情况进行分析和总结,以期为相关领域的研究和实践提供参考。
首先,无人机检测技术的应用范围非常广泛,涵盖了农业、环境监测、建筑工程、电力巡检、自然灾害评估等多个领域。
在农业领域,无人机可以通过搭载多光谱相机,对农田进行高精度的监测和施肥,提高农作物的产量和质量。
在环境监测方面,无人机可以通过搭载各种传感器,对空气质量、水质情况进行实时监测,为环境保护工作提供数据支持。
在建筑工程领域,无人机可以进行建筑结构的巡检和测量,提高施工效率和质量。
在电力巡检方面,无人机可以对输电线路、变电站等设施进行安全巡检,减少人员伤亡和安全事故的发生。
在自然灾害评估方面,无人机可以对灾区进行航拍和勘察,为救援和重建工作提供支持。
其次,无人机检测技术的优势主要体现在以下几个方面,首先,无人机可以快速、灵活地进行空中巡检,可以覆盖大范围的区域,并且可以避开复杂的地形和环境。
其次,无人机可以搭载各种传感器和设备,可以实现多种多样的监测和检测任务,满足不同领域的需求。
再次,无人机可以实现远程遥控和自主飞行,可以减少人力物力的投入,降低成本,提高效率。
最后,无人机可以进行高空拍摄,可以获取高分辨率的影像数据,为后续的数据分析和处理提供有力支持。
最后,无人机检测技术也面临一些挑战和问题,主要包括飞行安全、数据处理和隐私保护等方面。
在飞行安全方面,无人机需要保证飞行的稳定性和安全性,避免发生碰撞或坠机等意外事件。
在数据处理方面,无人机获取的大量数据需要进行有效的处理和分析,提取有用的信息,为决策提供支持。
在隐私保护方面,无人机在进行空中拍摄和监测时,需要保护个人隐私,避免侵犯他人的合法权益。
综上所述,无人机检测技术具有广阔的应用前景和发展空间,但同时也需要面对一些挑战和问题。
我们期待在未来的研究和实践中,不断改进和完善无人机检测技术,为社会发展和人民生活提供更多更好的服务和支持。
基于无人机及机器视觉的光伏电站“热斑效应”检测系统研究一、引言针对光伏电站“热斑效应”的检测与诊断,目前主要依靠人工检测的方式,不仅费时费力,而且效果难以保证。
必须通过引进新的技术手段对光伏电站热斑效应进行准确、高效的监测与检测。
本文基于无人机及机器视觉技术,设计实现了一种光伏电站“热斑效应”检测系统,以实现对光伏电站热斑状态的准确监测和及时预警。
二、相关工作目前,针对光伏电站热斑效应的检测,国内外学者已进行了一些研究。
国内一些学者利用红外成像技术进行了光伏电站热斑的检测研究,但该方法成本高,操作复杂,并且诊断准确度不高。
国外一些学者则通过无人机搭载红外相机对光伏电站进行巡检,但是其检测过程中遇到了飞行高度不够和风力不稳等困难。
本文的研究工作将结合无人机和机器视觉技术,提出一种智能化的光伏电站“热斑效应”检测系统,以提高检测准确度和工作效率。
三、光伏电站“热斑效应”检测系统设计1. 系统框架设计本文设计的光伏电站“热斑效应”检测系统主要包括无人机和机器视觉两个部分。
无人机作为载体,搭载红外热像仪和高清相机,用于对光伏电站进行巡检和图像采集。
机器视觉部分主要包括图像处理和热斑效应检测算法,用于对采集的图像数据进行分析和检测。
四、系统关键技术1. 无人机航拍技术无人机航拍技术是本系统的核心技术之一。
通过无人机进行航拍,可以获取光伏电站全面的图像信息,使得后续的图像处理和分析更加精确和全面。
无人机的航拍可以减少人力和时间成本,提高工作效率。
2. 机器视觉技术机器视觉技术主要包括图像处理和热斑效应检测算法。
通过图像处理技术可以对航拍获取的图像数据进行去噪、增强、分割等处理,从而提高图像的质量和准确度。
而热斑效应检测算法则是本系统的关键技术之一,通过对图像数据进行分析和处理,可以准确地检测光伏电站的热斑状态,为后续的维护和管理提供准确的依据。
五、系统实验与结果分析本文针对光伏电站“热斑效应”检测系统进行了一系列实验,实验结果表明,本系统可以精准地检测出光伏电站中存在的热斑效应,并能够提前预警并给出处理建议。
板和支腿上部,门座式起重机的象鼻梁和人字架顶部,塔式起重机的塔帽顶端和臂架端部等,检查人员往往不易到达,或到达后受空间位置限制,难以从容地使用仪器进行检查工作,但这些部位又是重要的受力部位,是结构检查的重点。
因此,迫切需要找到一种高效可靠,易操作,安全链路系统包括无人机通讯系统和探测装置通讯系统两部分,无人机通讯系统主要用于保证地面测控站与空中无人机之间的数据通讯,实现地面对无人机的遥控和定位,测装置通讯系统将采集到的图像等数据信息传输到地面控制台,包含对数据压缩、图1大型起重机金属结构无人机智能视觉检测系统原理图(a)门式起重机的主梁下盖板(b)门座式起重机的象鼻梁下盖板(c)门座式起重机的臂架系统(d)塔式起重机的塔帽顶端和臂架端部图2不同类型起重机的金属结构检测为便于拍摄桥门式起重机的主梁下盖板和门座式起重机的象鼻梁下盖板等人员不易到达的关键受力部位,本文创造性地将无人机检测平台设计为倒置式平台,即将正常情况下搭载在无人机正下方的相机两轴旋转云台改为图3倒置式无人机平台结构示意图如图3,相机旋转云台带动相机转动,对准大型起重机待测部位进行多方位拍摄,其垂直运动方向的俯仰角范围达到±90°,水平方向方位运动范围达到±150°,既能向下俯视成像,又能向上仰视成像,能够对大型起重机各种关键部位进行多方位拍摄无视场死角,具备良好的适应性,图6门式起重机的主梁下盖板及法兰连接处图5倒置式无人机智能视觉检测系统样机图4融合SVM 与MGA 的起重机金属结构缺陷智能检测算法流程图提取和缺陷分类两个步骤:2.3.1基于多尺度几何分析(MGA )的图像特征提取通过研究多尺度几何分析理论中的脊波(Ridgelet )变换,轮廓波(Contourlet )变换,曲线波(Curvelet )变换,剪切波(Shearlet )变换等方法机理和特点,探索其在图像特征提取中的创造性应用:将轮廓波(Contourlet )变换和剪切波等部位拍摄无死角,方向角度范围:完成大型起重机的结构检测任务,裂纹、锈蚀、变形和机构损坏的远程自动化检测,重机及对应的检测项目见表从图6中拍摄的支腿及其表面布置的不同宽度裂纹图案的图像可以看出,该样机至少可以分辨出宽度为0.2mm 的裂纹。
■产品质量管理7无人机系统测控链路质量性能检测技术研究吕明春(装备发展部军事代表局驻北京地区第二军事代表室,北京100012)摘要针对无人机系统测控链路质量性能检测评估工作面临的困难和需求,从工作原理、技术途径和工程实现等方面阐述了无人机系统测控链路质量性能检测技术,分析了无人机测控链 路质量性能检测的技术特点和应用价值。
关键词无人机测控链路质量性能检测引言近年来,无人机正日益受到世界各国的高度青睐,我国无人机装备也发展迅速。
测控链路是无人机系统至关重要的组成部分,其质量状况和性能好坏直接关系到无人机系统能否正常发挥作用,随着无人机系统大量使用,如何快捷、准确地判断无人机系统测控链路质量是否可靠、性能是否正常已成为关注焦点。
无人机系统测控链路质量性能检测工 作量大、耗时长,检测结果较为离散,技术实现较 为复杂,按照性能指标检测全覆盖要求,对无人机 系统测控链路质量性能进行一次完整的检测,需要 进行成百上千次的参数测试,而且随着无线测控技 术的发展,无人机测控模式、通道数量、运行机制 等快速更新,急需研究一种有效的无人机系统测控 链路质量性能检测技术。
1测控链路质量性能检测原理及硬件组成1.1自动检测原理自动检测原理如图1所示。
切换单元将被测设 备的射频信号切换到频谱仪或被测链路。
计算机与 串口服务器(NPORT)网络连接,NPORT实现串 口的扩展,计算机与被测测控链路设备(含机载设 备和地面设备)、切换单元和误码仪的数据通信。
GPIB卡实现计算机与频谱仪的数据通信。
232/422图1自动检测原理转换完成232接口与422接口的电平转换,实现计 算机与误码仪的数据通信。
频谱仪完成被测测控链 路设备的功率、频率、电平等指标测试。
误码仪完成误码率测试。
1.2硬件组成以计算机为核心,测试仪器为主体,以切换单 元、NPORT等为媒介,利用控制、数据和信号线 缆连接,实现对功率、频率、误码率等性能指标的检测、数据采集、分析处理、结果存储和回放利用,以大幅减少设备调试、系统联试、测试检验及操作使用和维修保障的工作量。
基于机器视觉的无人机适航性检测技术研究随着无人机技术的发展,无人机适航性检测逐渐成为了无人机研究领域的热点。
适航性检测是指通过对无人机系统进行全面的系统性评估,以判定其是否符合适航标准。
无人机适航性检测技术的不断发展,对于提高无人机的系统安全性、性能稳定性和稳定性,具有十分重要的意义。
在无人机适航性检测领域,基于机器视觉的技术是最为成熟、最为广泛应用的技术之一。
一、无人机适航性检测技术的重要性无人机适航性检测技术是保障无人机飞行安全的重要手段之一。
适航性检测是指检查无人机飞行机型和功效,以确认其是否符合适航标准。
合格的无人机须要具备以下特征:满足性能和实用性要求;设计及生产满足工业标准等规定; 支撑人员的安全保障等。
若适航性检测没有做好,可能导致一些问题的产生,如:无人机在飞行中出现故障,因无人机制造和设计问题引发事故甚至出现飞行事故等问题。
二、基于机器视觉的无人机适航性检测技术的原理1、数据采集及预处理技术:在机器视觉技术中,图像数据是最重要的来源,并扮演着十分重要的角色。
无人机适航性检测采集数据来源有多种方式,例如:无人机器载下挂载雷达或红外成像,通过机身传感器采集无人机在飞行中的重要数据,通过移动式算法模块和无人机中继站等技术实现异地传输和数据预处理。
2、无人机检测与识别:机器视觉技术中,无人机检测为重点之一。
在无人机适航性检测中,面对各种不同的场景,无人机的形态也会因此发生变化,对于机器视觉系统来说,检测无人机及其部件、确定类型才有机会进行进一步分析。
3、条件评估:在无人机适航性检测过程中,条件评估是最复杂的环节之一。
检测系统将利用深度学习算法完成无人机适航性评估。
在适航评估过程中,将根据系统、设备、安全、飞行操作等要素对适航检测结果进行打分,并根据结果给出质量评估。
三、基于机器视觉的无人机适航性检测技术的优势1、高效便捷:使用机器视觉技术进行适航性检测,让整个检测环节均能自动化、高效化、对于无人机适航性检测的工作效率可以得到极大提升,同时也能够排除人为因素对检测结果的影响。