Developing an intelligent object detection system to diagnose and maintain high-voltage insulators in power networks
No Thumbnail Available
Date
2024
Journal Title
Journal ISSN
Volume Title
Publisher
University of Shahid Hama Lakhdar - El Oued
Abstract
Our project aimed to utilize artificial intelligence techniques to diagnose the surface condition of high-voltage insulators through object detection tools, with the TensorFlow library playing a crucial role in the development process due to its comprehensive functions in image and video processing. We developed a model capable of detecting insulators and assessing their condition, whether clean or polluted, by training it with a collection of images of high-voltage glass insulators in both states, using TensorFlow in Python. This approach allows computers to diagnose the condition of insulators through photos, videos, or a camera. To enhance accuracy, it is necessary to use a larger number of high-quality images in the database, employ smaller image sizes for faster training, capture all sides of the object, and adopt a maximum number of training steps. Looking ahead, we hope future projects will expand the detection and monitoring capabilities to include other types of insulators, such as ceramic insulators. Additionally, we aim to integrate our model into robots and unmanned drones for automatic control and cleaning of insulators.يهدف مشروعنا إلى استخدام تقنيات الذكاء الاصطناعي لتشخيص الحالة السطحية للعوازل ذات الجهد العالي من خلال أدوات الكشف عن الكائنات، حيث تلعب مكتبة TensorFlow دورًا حاسمًا في عملية التطوير نظرًا لوظائفها الشاملة في معالجة الصور والفيديو. وقمنا بتطوير نموذج قادر على كشف العوازل وتقييم حالتها سواء كانت نظيفة أو ملوثة، وذلك من خلال تدريبه على مجموعة من صور العوازل الزجاجية ذات الجهد العالي في كلا الحالتين، وذلك باستخدام TensorFlow في لغة بايثون. يسمح هذا الأسلوب لأجهزة الكمبيوتر بتشخيص حالة العوازل من خلال الصور أو مقاطع الفيديو أو الكاميرا. لتعزيز الدقة، من الضروري استخدام عدد أكبر من الصور عالية الجودة في قاعدة البيانات، واستخدام أحجام صور أصغر للتدريب بشكل أسرع، والتقاط جميع جوانب الكائن، واعتماد الحد الأقصى لعدد خطوات التدريب. وبالنظر إلى المستقبل، نأمل أن تعمل المشاريع المستقبلية على توسيع قدرات الكشف والمراقبة لتشمل أنواع أخرى من العوازل، مثل العوازل الخزفية. بالإضافة إلى ذلك، نهدف إلى دمج نموذجنا في الروبوتات والطائرات بدون طيار للتحكم الآلي وتنظيف العوازل.
Description
Master's theses: specializing in Electrical Networks
Keywords
intelligent-diagnose-power networks, شبكات- الطاقة التشخيص- الذكي