基于特征融合卷积神经网络的绝缘子无损检测

• 作者: 马立新 豆晨飞 宋晨灿 杨天笑
• 来源期刊: 电子科技
• 关键词: 深度学习 卷积神经网络 闪络实验 紫外放电 特征提取 特征融合 无损检测 绝缘子
• 年，卷（期）: 2021,（7）
• 页码范围: 26-30
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2021.07.005

摘要

针对目前存在的电力输配电网络难以检测运营中的绝缘子绝缘劣化问题,文中在分析绝缘劣化机理的基础上,提出了一种基于特征融合卷积神经网络检测绝缘子绝缘劣化的智能方法.该方法首先通过对绝缘子进行闪络实验使其产生无放电、弱放电、强放电三种状态;然后使用紫外成像仪采集不同放电状态下的绝缘子紫外图像构成样本库;采用卷积神经网络对样本进行特征提取,并将提取的浅层特征和深层特征进行融合;最后对融合特征图进行识别与分类,判断绝缘子劣化情况.结果表明,该方法正确率最高达到97.4％.同AlexNet算法对比,文中所提方法具有更高的准确率和更快的收敛速度.