基于深度学习的输电线路航拍照片目标检测应用

• 作者: 冼世平 曾懿辉 胡壮丽 麦俊佳
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 输电线路 航拍照片 深度学习 卷积神经网络
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 深度学习算法
• 页码范围: 174-182
• 页数: 9页
• 分类号: TM726|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2020.009.022

摘要

无人机电力巡检技术在输电线路的成熟应用,产生了大量的输电线路航拍巡视照片.针对人工查阅输电线路航拍照片作业量大、效率低等问题,提出基于深度学习的输电线路航拍照片目标检测应用系统.该系统结合深度学习的目标检测方法,构建具有2级深度卷积神经网络结构的缺陷识别模型,实现输电线路航拍照片的部件、缺陷检测识别和综合应用.在识别佛山地区输电线路航拍照片的应用实践中,该系统实现了输电线路部件识别,检出率达到92.5％;同时还实现了玻璃绝缘子自爆、金具销钉缺失等缺陷的自动识别,检出率分别达到89.7％、83.2％,每张缺陷识别图片处理时间约2.5 s.结果表明,与人工查阅相比,所提出的模型极大提高了输电线路机巡照片处理效率,有效地解决了输电专业巡检照片处理方面的实际问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	麦俊佳		5	11	2.0	3.0
2	胡壮丽		4	3	1.0	1.0
3	曾懿辉		9	51	4.0	7.0
4	冼世平		1	0	0.0	0.0