输电线路绝缘子自爆缺陷识别方法

• 作者: 侯春萍 张巍 张贵峰 杨阳 田治仁 章衡光
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 航拍图像 深度学习 卷积神经网络 绝缘子 分类器 检测器
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 学术论文
• 页码范围: 1-6
• 页数: 6页
• 分类号: TM726
• 字数: 4238字
• 语种: 中文
• DOI: 10.19635/j.cnki.csu-epsa.000071

摘要

绝缘子自爆缺陷识别是实现运行状态监测和故障诊断的重要前提.针对输电线路航拍图像背景复杂的特点,提出一种基于深度学习的绝缘子自爆缺陷识别方法.本文中应用深度学习目标分类算法中最具代表性的AlexNet,VGG16以及Faster R-CNN框架分别进行分类器和检测器的训练,并将分类器和检测器级联组成级联网络,进行绝缘子目标的检测识别.分类器的正确率达到了72%,检测器的正确率达到了59.6%,级联网络的漏检率降为0.实验结果表明本文的方法能够有效地识别绝缘子、自动化性能良好,为下一步绝缘子故障抢修提供了基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯春萍	天津大学电气自动化与信息工程学院	115	812	14.0	24.0
2	张贵峰		8	56	4.0	7.0
3	张巍		9	41	4.0	6.0
4	杨阳	天津大学电气自动化与信息工程学院	11	83	5.0	9.0
5	章衡光	天津大学电气自动化与信息工程学院	1	10	1.0	1.0
6	田治仁		1	10	1.0	1.0