基于U-net和YOLOv4的绝缘子图像分割与缺陷检测

• 作者: 冯洁文 唐小煜 陈锡和 黄进波
• 来源期刊: 华南师范大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 绝缘子 语义分割 目标检测 U-net YOLOv4
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 物理学与光学工程
• 页码范围: 15-21
• 页数: 7页
• 分类号: P407.8|TP75
• 语种: 中文
• DOI: 10.6054/j.jscnun.2020088

摘要

输电线路上绝缘子的完整性直接影响了输电的安全与可靠性.采用深度学习方法,对绝缘子图像识别提取和缺陷检测问题进行了研究.首先基于优化的U-net模型获取绝缘子区域掩模图像,实现对绝缘子串语义分割;然后基于YOLOv4模型获取缺陷绝缘子的位置,实现对自爆绝缘子目标的检测.为充分利用高分辨率图像的像素信息,提出"切分-识别-合成"的检测思路,精确分割出绝缘子以及判断并获取缺陷区域;最后设计了多组实验并进行对比,验证了模型的有效性.采用优化的U-net模型分割绝缘子的Dice系数达0.92;采用YOLOv4模型检测自爆绝缘子的识别精度达0.96,平均重叠度IOU达0.88.研究结果对实现电力系统运维的智能化具有较高的应用价值.