Construction of Intelligent Power Preservation System under the Integration of Internet of Things and Artificial Intelligence
Notice bibliographique
Résumé
Distribution network line project acceptance is a key link in the quality control of distribution network line project, an important factor affecting the safe and stable operation of the distribution network, which directly determines the level of safe operation of the distribution network.In this paper, for the distribution network line manual acceptance time-consuming and laborious, rare quality defects found rate identification rate is low and other issues, to carry out visual positioning and image recognition based on the distribution network drone automated acceptance technology research.In order to optimize the spatial positioning, attitude sensing and target tracking of the UAV, five coordinate systems, including the world coordinate system, body coordinate system, and photocentric coordinate system, are selected for spatial transformation.Based on the visual localization of the UAV, the path planning algorithm for UAV distribution line inspection combined with the path acquisition scheme is proposed.Gaussian denoising and histogram equalization are performed on the UAV inspection collected images, and Sarsa reinforcement learning algorithm is applied to train the samples to improve the automatic identification capability of safety hazards and other security hazards in the distribution network inspection.Visualization and analysis of UAV distribution line inspection path.Combine the distribution network defects dataset for optimal training strategy selection for distribution networks.The automatic identification algorithm for distribution network defects proposed in this paper achieves a mAP value of 79.60% in the target detection experiment.And in multiple dynamic path planning, the UAV nodes are able to accomplish the path planning tasks in different environments.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».