基于Faster RCNN的绝缘子自爆缺陷识别

• 作者: 刘晓伟 时磊 李德洋 杨恒 杨渊 沈平 虢韬 陈天柱
• 来源期刊: 电瓷避雷器
• 关键词: 绝缘子 无人机巡检 深度学习 自爆
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 绝缘子
• 页码范围: 183-189
• 页数: 7页
• 字数: 6256字
• 语种: 中文
• DOI: 10.16188/j.isa.1003-8337.2019.03.031

摘要

绝缘子是保障输电线正常运行的重要部件,而传统通过人工目视判断的绝缘子缺陷检测方式耗材耗力,近年来得到大力推广的无人机电力巡检方式在图像中快速定位并且找出缺陷绝缘子自动化程度不高,效率较低.针对无人机电力巡检方式提出基于深度学习的Faster RCNN方法,识别无人机图像中的绝缘子,并且对其进行缺陷判别.首先,进行绝缘子的样本采集,采集的样本保证种类丰富、数量足够.其次,利用采集的样本训练Faster-RCNN网络模型,对待检测图像进行识别,确定绝缘子所在具体位置.最后,对提取出绝缘子进行图像分割,通过绝缘子片之间的距离判别该绝缘子串是否存在自爆缺陷.以实际无人机航拍图像为实验数据验证本文绝缘子自爆缺陷识别,结果表明,该方法在复杂背景下能够精确有效地识别出绝缘子串,并且准确判断出该绝缘子是否存在自爆缺陷,具有很强的鲁棒性和实用性.