输电线上鸟巢检测数据集

绍了一种从高压输电线上进行取电的电源方案，通过互感自取电直接从输电线上获得电能。凭借将锂电池与超级电容进行联合供电的充放电技术，电源设计部分成功解决了夜间母线小电流状态输出功率小、设备供不上电的问题，运用整流电路后级的能量泄放电路，降低了整流桥上的感应电压并限制了互感器的输出电流，解决了母线大电流状态对后级电路的影响。结果表明，混合能量存储系统比单一能量储能装置可以发挥更好的性能。

基于KD树聚类的机载LiDAR数据输电线提取方法，梁静，张继贤，论文提出并实现了一种基于kd树近邻域点云聚类法从LiDAR点云数据中自动提取多根电力线。首先利用高程直方图统计法去除地面点，接着�

输电线路杆塔鸟巢数据集 包含143张各类输电线路、电杆、铁塔上的鸟窝图片。 无人机巡检自动是被模型训练基础素材。

移动开发-基于NIOSⅡ的输电线路行波故障定位系统设计研究.pdf

高压输电线杆塔知识文档包

在室外光照条件变化下进行有效的障碍物识别是高压输电线路巡检机器人所面临的技术难点之一。针对弱光条件下障碍物识别的稳健性问题，提出了一种基于机器人视觉的障碍物识别智能方法，以使巡检机器人适应各种不同程度的弱光变化。通过对采集的障碍物图像进行自适应同态滤波处理，以减少部分光照的影响；将障碍物图像分成均匀大小的子区域，运用改进的局部方向模式提取各个子区域图像的特征直方图向量，并把子块特征直方图逐个串联为总的直方图；再选用卡方距离法进行统计识别。实验结果表明：该方法使巡检机器人对输电线上的防震锤、悬垂线夹和绝缘子串能够进行有效的识别。相比于其他算法，其具有更好的抗光照干扰效果和更高的准确识别率；提升了机器人巡检过程中图像识别的稳健性、适应性和准确性，极大地提高了巡检机器人在电力行业的可持续发展性。

行业资料-电子功用-具有电压和电流幅度跟踪功能的输电线调节器

TTPLA：用于输电塔和输电线的检测和分段的航拍图像数据集 TTPLA是一个公共数据集，它是输电塔（TT）和输电线（PL）上的航拍图像的集合。 这是论文的官方资料库。 该存储库包括： TTPLA数据集的原始图像带有COCO格式的像素级批注。 （2021年3月更新）。 分割文本文件包含分割为train.txt，validate.txt和test.txt后的图像名称列表。 基于两个不同的主干和三个不同的图像大小的训练模型的权重。 准备数据： 修改resize_image_and_annotation-final.py以使用目标图像尺寸（第10行）。 然后，使用python resize_image_and_annotation-final.py -t 调用脚本。 它将产生一个名为sized_data新文件夹。 然后，如果要删除void标签，请调用remov

基于.NET三层架构的输电线智能故障检测系统设计.pdf