自主巡检与故障监测机器人技术
(1) 长时间鲁棒定位与建图:未知室内外环境下激光雷达/视觉建图,基于深度学习的跨时段场景识别克服天气/季节/场景变化并修复运动对象干扰,分层路径规划实现高效率自主导航。 (2) 电力设备表计识别:基于图像识别算法研发形成移动终端侧的典型指针式表计自动读数技术。 (3) 电网设备图像部件级实例分割: ① RGB-T自动标注技术突破了制约设备样本获取难的共性瓶颈; ② 基于深度学习的实例分割技术攻克了背景复杂、目标占比小和多目标共现的电网设备部件级分割难题; ③ 弱/半监督学习技术提高了样本利用率,大大降低标注成本; ④ 模型压缩与加速技术使得基于深度学习的电力设备识别方法在低功耗移动终端侧应用成为可能。 (4) 设备图像故障监测:基于红外/紫外/可见光的电力设备过热、渗水、漏油、明火等典型故障检测与故障报警,具备自定义通信报文与远程推送功能。
东南大学
2021-04-11