Aller au contenu principal
2022 conference-paper

Researches advanced in transmission lines fault recognition based on line patrol UAV

3Citations signalées, ce qui n’est pas une note de qualité
1Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Finding an automated fault identification method for transmission lines has always been a hot research issue in the field of power applications. With the rapid development of automated data acquisition equipment such as UAV and artificial neural network technology, more and more researchers begin to pay more attention on the issue of Transmission Lines Fault Recognition based on the Line Patrol UAV. In this paper, based on an in-depth literature survey, we provide a representative description and analysis for UAV powerline detection from two aspects. According to the difference of data acquisition strategies (radar images, infrared images, ultraviolet images, visible images), we first discuss the advantages and disadvantages of each data source based on the introducing the representative methods which is designed to deal with these data sources. We also introduce the processing ideas of efficient information processing algorithms of UAV powerline fault detection. Finally, we summary the main challenges in the field of transmission lines fault recognition based on line patrol UAV and prospects its possible future development direction.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Researches advanced in transmission lines fault recognition based on line patrol UAV
Date Crossref
11/11/2022
Éditeur
SPIE
Type
proceedings-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Les institutions déclarées

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Power Line Inspection RobotsAdvanced Data and IoT TechnologiesAdvanced Neural Network Applications

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.