基于深度学习的无人机巡检图像销钉故障检测

• 作者: 宁柏锋
• 来源期刊: 计算机测量与控制
• 关键词: 输电线路 无人机巡检 销钉 故障检测 深度学习
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 25-29
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2019.11.006

摘要

随着经济和社会的发展,发电量和用电量逐年上升;安全的电力保障关系到国计民生,在常年的使用过程中,由于电力传输的输电线路受到外界环境的影响,使得输电线路部件容易出现不同程度的破损,其中销钉是固定螺母的关键零件,销钉的脱落会导致各部件之间连接的不稳定,这给输电网络的安全运行带来了极大的隐患;随着深度学习技术在计算机视觉领域中的应用,使得机器自动识别销钉这一输电线路系统中的微小部件成为现实;采用Faster R-CNN算法对无人机巡检图像中的销钉脱落故障进行识别,并讨论了不同分类器对识别结果的影响,然后对ACF+ Adaboost、Hough+ LSD和Faster R-CNN检测方法进行比较;实验结果表明,基于Faster R-CNN的目标检测方法对于输电线路中销钉脱落故障的识别率可达到96％,同时对正常销钉的识别率最高可达98％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宁柏锋		26	15	2.0	3.0