基于YOLOv2网络的绝缘子自动识别与缺陷诊断模型

• 作者: 傅思遥 杨军 王亮 谭本东 赖秋频 韩立伟
• 来源期刊: 中国电力
• 学科: 工学
• 关键词: 输电线路 智能巡检 绝缘子 YOLOv2网络 深度学习 图像识别 缺陷诊断
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 泛在电力物联网——先进信息与通信技术
• 页码范围: 31-39
• 页数: 9页
• 分类号: TM853|TP277
• 字数: 5751字
• 语种: 中文
• DOI: 10.11930/j.issn.1004-9649.201806102

摘要

针对无人机或机器人获取的输电线路绝缘子图像,提出了一种基于深度学习图像识别框架(YOLOv2)网络的输电线路绝缘子在线识别与缺陷诊断模型,训练YOLOv2网络学习复杂背景下各种绝缘子的特征并准确识别,结合边缘检测、直线检测、图像旋转和垂直投影方法,对识别出各种状态的绝缘子进行缺陷诊断.输电线路巡检图像的仿真结果表明,所提出的绝缘子自动识别与缺陷诊断方法能迅速准确地从输电线路巡检图像中识别出绝缘子,并诊断出绝缘子是否破损以及缺陷位置,有利于提升输电线路智能巡检水平.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨军	武汉大学电气工程学院	142	1344	18.0	33.0
2	谭本东	武汉大学电气工程学院	6	26	3.0	5.0
3	赖秋频	武汉大学电气工程学院	4	19	3.0	4.0
4	王亮	武汉大学电气工程学院	18	81	4.0	8.0
5	傅思遥	武汉大学电气工程学院	2	6	2.0	2.0
6	韩立伟	武汉大学电气工程学院	2	6	2.0	2.0