基于Faster RCNN算法的输电线路防震锤识别研究

• 作者: 焦润童 倪虹霞 王智昱
• 来源期刊: 长春工程学院学报（自然科学版）
• 关键词: 输电线路 深度学习 智能检测 防震锤识别
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 机械工程·电气工程
• 页码范围: 38-43
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1009-8984.2021.01.010

摘要

针对输电线路人工检测金具成本大、效率低及后期分析样本时寻找缺陷困难等问题,提出了 一种基于深度学习的输电线路金具识别方法.首先,通过无人机巡检获取一定数量的样本,通过将已标记处理的样本与相对应xml坐标文件进行联合扩充的方法,获得角度丰富化、数量多样化和部分噪声化的数据集;然后,采用Faster RCNN卷积神经网络算法对高重叠防震锤区块进行迭代合并,构建防震锤识别模型;最后,利用所提出的识别方法,对吉林省某电网公司无人机实际线路巡检得到的可见光影像数据集进行训练及测试.经过对模型的测试定位,实验结果表明,在复杂背景下所提出的基于Faster RCNN的输电线路智能识别算法,在该区域对于防震锤的检测精度达到94％以上.该识别方法为进一步对其他类型输电线路金具的检测提供了新的思路参考.