基于深度学习的输电线路防振锤故障检测

• 作者: 冯薇玺
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 深度学习 输电线路 防振锤 故障检测
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 理论创新
• 页码范围: 65-68
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2020.11.065

摘要

针对传统输电线路防震锤故障检测准确率低,检测的正检率和误检率效果不佳的问题,为此提出并设计基于深度学习的输电线路防振锤故障检测.通过构建深度学习的网络模型提取图像特征,对训练分类器进行识别图像处理,将处理结果输入到待测图像上所对应的感受野区域,得出防振锤的概率.对概率阈值进行设置,同时利用检测器判断该点对应的原始待测图像中的防振锤故障,当检测的图像回溯到原始图像上,防振锤故障被准确检测出来.测试结果表明:与传统的基于图像形态学的检测方法相比,基于深度学习的检测方法减少了冗余计算,正检率提高了19.1％,误检率降低了10.8％,说明基于深度学习的检测方法适合应用在输电线路防振锤故障检测中.