基于深度学习的航拍图像绝缘子缺失检测方法研究

作     者：何宁辉 王世杰 刘军福 张灏 吴良方 周秀 HE Ninghui;WANG Shijie;LIU Junfu;ZHANG Hao;WU Liangfang;ZHOU Xiu

作者机构：国网宁夏电力有限公司电力科学研究院宁夏银川750011 国网宁夏电力有限公司宁夏银川750011 国网宁夏电力有限公司中卫供电公司宁夏中卫751700 国网宁夏电力有限公司银川供电公司宁夏银川750011 

基　　金：宁夏自然科学基金项目资助(2018AAC03222) 

出 版 物：《电力系统保护与控制》 (Power System Protection and Control)

年 卷 期：2021年第49卷第12期

页      码：132-140页

摘      要：为解决目前人工处理分析无人机巡检图像效率低、检测结果受人为因素影响较大的问题,提出了一种图像识别的绝缘子缺失识别方法。首先,对无人机拍摄的图像样本进行了处理,扩充样本集。其次,搭建了绝缘子的检测模型,完成各层网络结构的选择和设计,使用CNN算法实现对绝缘子缺失的检测。随后,构建了绝缘子检测网络,并对各层检测网络参数进行配置。选择实际拍摄的图像作为训练样本进行网络训练。检测结果证实几个指标均在0.95以上,说明算法可准确识别出绝缘子。最后,利用CNN算法对航拍绝缘子进行缺陷检测。绝缘片缺失缺陷的正确识别率为86%。算法可根据检测结果自动显示绝缘子有无缺失缺陷。

主 题 词：绝缘子缺陷 图像处理 Faster R-CNN算法 模型训练 

学科分类：12[管理学] 080801[080801] 0808[工学-自动化类] 0809[工学-计算机类] 08[工学] 1201[管理学-管理科学与工程类] 081104[081104] 080203[080203] 0805[工学-能源动力学] 080502[080502] 0802[工学-机械学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.19783/j.cnki.pspc.200950

馆 藏 号：203103951...