基于卷积神经网络的主变压器外观缺陷检测方法

• 作者: 位一鸣 杨珊 童力 罗麟
• 来源期刊: 浙江电力
• 学科: 工学
• 关键词: 主变压器 外观缺陷 机器视觉 目标检测 风格迁移
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 电气设备
• 页码范围: 61-68
• 页数: 8页
• 分类号: TM41
• 字数: 5207字
• 语种: 中文
• DOI: 10.19585/j.zjdl.201904011

摘要

主变压器是变电站中最重要的电气设备之一,其运行状况直接影响所连区域电网的安全可靠运行.为全面提升主变压器外观缺陷检出效率,提出了一种基于CNN(卷积神经网络)算法的主变压器外观缺陷机器视觉识别检测方法.针对海量设备图像,该方法中的SSD算法模块能够准确提取目标设备(主变压器),CNN算法模块可对图像中所含缺陷信息进行解析.为了提升检测方法的准确性,针对检测算法负样本不足的问题,利用VGG-Net的图像迁移算法对主变压器缺陷样本进行扩充,以提升整个算法模型的泛化能力.最后,利用实际运维检修工作中采集整理的主变压器图像样本集进行算法验证,结果表明该方法能较准确地识别出变压器外观缺陷,具有较高的有效性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	童力	国网浙江省电力有限公司电力科学研究院	12	40	3.0	6.0
2	罗麟		4	7	1.0	2.0
3	位一鸣		2	1	1.0	1.0
4	杨珊		1	1	1.0	1.0