基于Faster R-C NN的电网线路常见异物检测

• 作者: 朱洪志 孙震 兰巧倩 沈亮熠 张冲 贺兴
• 来源期刊: 电器与能效管理技术
• 学科: 工学
• 关键词: 电网异物 卷积神经网络 数据增强 目标检测
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 检测与试验
• 页码范围: 58-63
• 页数: 6页
• 分类号: TM930
• 语种: 中文

摘要

电网线路和设备上的异物搭挂缠绕容易造成线路间接触短路,严重威胁着电网的安全稳定运行.针对电网常见异物风筝、气球、鸟窝等,提出了一种基于Faster R-CNN的高精度目标检测及分类模型.针对某类型异物图片样本量不足的问题,设计数据增强方法有效扩充训练集数据,并对样本图片进行多尺度处理以提升模型的训练速度以及模型对不同尺度的适应性,所得模型在测试集上的准确率和召回率可分别达到93.12％、94.75％,提出经数据增强后的训练集训练出的基于Faster R-CNN的目标检测模型取得了较好的检测效果.