为及时发现电网设备缺陷,预防事故发生,确保设备安全运行,针对雾霾天等特殊巡检天气下采集到的目标图像颜色失真且模糊不清的问题,提出一种基于多通道的MSRCR图像增强算法。首先将原始图像从RGB颜色空间转换为HSI颜色空间,其次对提取的亮度分量利用MSRCR算法进行增强处理,最后对亮度增强后的图像分别进行直方图均衡化处理,提高图像的对比度。实验结果表明,所提算法能够改善特殊天气下的变压器图像照度信息,提高图像的对比度,解决了图像颜色失真等问题。

为提高基于机器视觉的巡检机器人目标识别准确率和检测速度,提出一种基于改进YOLOv3网络的目标检测识别方法。所提方法利用PANet优化YOLOv3网络路径和自适应池化结构,采用深度可分离卷积替代其标准卷积,以提高YOLOv3网络识别精度和检测速度,并基于改进的YOLOv3网络进行目标检测,实现了高精度、快速率的巡检机器人目标检测。仿真结果表明,所提方法相较于标准YOLOv3网络和常规目标检测网络SSD、DenseBox以及Faster RCNN,在准确率和检测速度方面具有明显的优势,均值平均精度达到84.44%,每秒帧率达到30帧/s,可实现基于机器视觉的巡检机器人实时检测。