URI | http://purl.tuc.gr/dl/dias/72FDEF98-9BDE-4959-B1A2-83C4DEFC806C | - |
Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.84840 | - |
Γλώσσα | el | - |
Μέγεθος | 99 σελίδες | el |
Τίτλος | Αλγόριθμος ανίχνευσης σφαλμάτων σε γραμμές μεταφοράς ηλεκτρικής ενέργειας με χρήση κατάλληλα εξοπλισμένου μη-επανδρωμένου αεροσκάφους (UAV) | el |
Τίτλος | Power transmission lines fault detection algorithm using properly equipped unmanned aerial vehicle (UAV) | en |
Δημιουργός | Zormpas Alexandros | en |
Δημιουργός | Ζορμπας Αλεξανδρος | el |
Συντελεστής [Επιβλέπων Καθηγητής] | Kalaitzakis Konstantinos | en |
Συντελεστής [Επιβλέπων Καθηγητής] | Καλαϊτζακης Κωνσταντινος | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Zervakis Michail | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Ζερβακης Μιχαηλ | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Partsinevelos Panagiotis | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Παρτσινεβελος Παναγιωτης | el |
Εκδότης | Πολυτεχνείο Κρήτης | el |
Εκδότης | Technical University of Crete | en |
Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Electrical and Computer Engineering | en |
Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών | el |
Περίληψη | Η επιθεώρηση και συντήρηση του δικτύου μεταφοράς και διανομής ηλεκτρικής ενέργειας ήταν και συνεχίζει να αποτελεί σημαντική πρόκληση για την εξασφάλιση σταθερότητας. Η παρούσα εργασία εξετάζει την αποτελεσματικότητα εφαρμογής σύγχρονων μεθόδων επεξεργασίας εικόνας και τεχνητής νοημοσύνης και την εξέταση των περιορισμών τους προς διευκόλυνση της επιθεώρησης. Η προτεινόμενη μεθοδολογία, γραμμένη σε γλώσσα Python, αποτελείται από τρία στάδια. Στο πρώτο γίνεται εντοπισμός των αγωγών μέσω ενός νευρωνικού δικτύου εκπαιδευμένου για τη συγκεκριμένη εφαρμογή. Στο δεύτερο στάδιο γίνεται προσπάθεια ανίχνευσης της τραβέρσας, αποκλειστικά στα κομμάτια της εικόνας που υπάρχουν αγωγοί. Το φίλτρο Gabor επιτρέπει τον εντοπισμό της σε διάφορες διευθύνσεις φιλτράροντας την εικόνα με αντίστοιχο kernel. Στο τρίτο και τελευταίο στάδιο, προτείνονται δύο επιμέρους μεθοδολογίες για τον εντοπισμό των μονωτήρων. Η μία βασίζεται σε φιλτράρισμα με μορφολογικούς συντελεστές και η δεύτερη στην εκπαίδευση ενός νευρωνικού δικτύου για τον εντοπισμό του σώματος του μονωτήρα. Τέλος, αντιστοιχούνται τα εντοπισμένα pixels στην εικόνα υπέρυθρου φάσματος για την εξαγωγή της θερμοκρασίας καθενός μονωτήρα και την αναζήτηση για σφάλμα. | el |
Περίληψη | The inspection and maintenance of the electricity transmission and distribution network has been and continues to be a major issue to ensure its stability. This paper examines the effectiveness of modern methods of image processing and artificial intelligence and also examines their limitations for facilitating inspection. The proposed methodology, written in Python, consists of three stages. The first locates the powerlines through a neural network trained for the specific application. In the second stage, an attempt is made to detect the crossarms, exclusively in the parts of the image where powerlines have been detected. The Gabor filter allows the crossarm to be located in different directions by filtering the image with a corresponding kernel. In the third and final stage, two separate methodologies are proposed to detect the insulators. One is based on morphological filtering and the other on training a neural network to locate the body of the insulator. Finally, according to the detected pixels, the infrared image is searched to extract the temperature of each insulator and to detect errors if any. | en |
Τύπος | Μεταπτυχιακή Διατριβή | el |
Τύπος | Master Thesis | en |
Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
Ημερομηνία | 2020-03-04 | - |
Ημερομηνία Δημοσίευσης | 2020 | - |
Θεματική Κατηγορία | Powerline inspection | en |
Βιβλιογραφική Αναφορά | Αλέξανδρος Ζορμπάς, "Αλγόριθμος ανίχνευσης σφαλμάτων σε γραμμές μεταφοράς ηλεκτρικής ενέργειας με χρήση κατάλληλα εξοπλισμένου μη-επανδρωμένου αεροσκάφους (UAV)", Μεταπτυχιακή Διατριβή, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2020 | el |
Βιβλιογραφική Αναφορά | Alexandros Zormpas, "Power transmission lines fault detection algorithm using properly equipped unmanned aerial vehicle (UAV)", Master Thesis, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2020 | en |