基于多尺度特征融合的绝缘子缺陷程度检测

作     者：陈奎 贾立娇 刘晓 方永丽 赵昌新 CHEN Kui;JIA Lijiao;LIU Xiao;FANG Yongli;ZHAO Changxin

作者机构：中国矿业大学电气工程学院徐州221000 国网江苏省电力有限公司徐州供电分公司徐州221000 

基　　金：江苏省研究生科研与实践创新计划(SJCX23_1324) 中国矿业大学研究生创新计划(2023WLJCRCZL351) 国网江苏省电力有限公司科技项目(J2021044) 

出 版 物：《高电压技术》 (High Voltage Engineering)

年 卷 期：2024年第50卷第5期

页      码：1889-1899,I0008页

摘      要：针对绝缘子不同程度缺陷特征相似、像素信息少、不同程度缺陷检测效果不佳的问题,提出了一种基于多尺度特征融合的绝缘子缺陷程度检测网络(multi-scale feature fusion defect degree detection network,MFFD3Net)。该网络采用重构的ResNeSt50架构提高了对绝缘子缺陷程度数据集的特征提取能力。设计了基于反卷积的多尺度特征融合模块,丰富了不同尺寸特征图的表达能力,提高了对不同尺度目标的检测性能。同时,在输入检测模块的浅层特征图后增加多感受野的特征提取模块(receptive field block,RFB),使得更多绝缘子缺陷信息进入有效感受野,对最终特征图产生影响,提升不同程度绝缘子缺陷的检测精度。MFFD3Net在绝缘子缺陷程度数据集上的全类平均精度达到85.02%,其中绝缘子轻微破损与绝缘子轻微闪络小目标的检测精度分别为78.37%、79.98%,能够完成不同程度绝缘子缺陷的识别与定位。因此,该文提出的MFFD3Net对于完善电力系统故障预警、保障电网安全稳定运行具有重要意义。

主 题 词：绝缘子 缺陷程度检测 ResNeSt50 特征提取模块 感受野 

学科分类：080801[080801] 0808[工学-自动化类] 08[工学] 080203[080203] 0805[工学-能源动力学] 080502[080502] 0802[工学-机械学] 

核心收录：

D　O　I：10.13336/j.1003-6520.hve.20230578

馆 藏 号：203128001...