基于多尺度特征融合Faster R-CNN的绝缘子自爆缺陷研究

• 作者: 周自强 赵淳 范鹏
• 来源期刊: 水电能源科学
• 关键词: 绝缘子 自爆缺陷 深度学习 图像处理 多尺度融合
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 电气工程|ELECTRICAL ENGINEERING
• 页码范围: 187-189,44
• 页数: 4页
• 分类号: TM755
• 语种: 中文

摘要

随着无人机巡检技术的发展,无人机拍摄的绝缘子图片数量呈指数增长,亟需一种高效的缺陷识别方法,为此提出一种改进后的深度学习方法.首先,采用多尺度特征融合方法改进传统的Faster R-CNN方法,实现绝缘子小目标的精准识别;然后,结合图像处理方法实现自爆绝缘子的识别和定位;最后,以某500 kV输电线路采集的大量绝缘子图片作为数据集对方法进行验证.结果 表明,所提方法适用于不同排列方式下的绝缘子缺陷检测,绝缘子自爆缺陷检测准确率为91.3％,检测效率较高.结果 可为无人机巡检提供一定的技术支撑.