基于改进型YOLO v3的绝缘子异物检测方法

• 作者: 张斌 张焕坤 李军毅
• 来源期刊: 中国电力
• 关键词: 绝缘子 神经网络 密集网络 异物检测 YOLO v3
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 电网
• 页码范围: 49-55
• 页数: 7页
• 字数: 4062字
• 语种: 中文
• DOI: 10.11930/j.issn.1004-9649.201908009

摘要

绝缘子作为输电线路重要的组成部件,其功能完整性对电网的安全运行至关重要.绝缘子所处的户外环境极易导致其存在异物搭挂,有必要监控绝缘子的运行状态.提出一种基于改进型目标检测算法(YOLO v3)的绝缘子异物检测方法:Dense-YOLO v3,设计密集网络(Dense-net)替代原网络其中一个卷积层,实现绝缘子的多层特征复用和融合,提高了检测精度.扩增了训练集以提升网络的训练效果;提出误检代价函数以度量误检的风险.实验结果表明,Dense-YOLO v3在测试集上的检测精度达到94.54％,误检代价低于YOLO v3和Faster-RCNN,可初步应用于输电线路的无人机巡检作业.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张斌	广东工业大学自动化学院	6	8	1.0	2.0
2	李军毅	广东工业大学自动化学院	3	1	1.0	1.0
3	张焕坤	广东工业大学自动化学院	1	0	0.0	0.0