基于Faster R-CNN级联的输电塔螺栓缺失检测

• 作者: 徐敏 罗劲 刘华
• 来源期刊: 广东电力
• 关键词: 电力巡检 无人机 深度学习 小目标检测 螺栓缺失检测
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 电力人工智能|Electric Artifical Intelligence
• 页码范围: 65-71
• 页数: 7页
• 分类号: TM754|TP181|TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2021.006.008

摘要

螺栓缺失样本数据量过小,直接检测螺栓缺失效果不理想;由于输电塔所处地理环境复杂,数据采集时无人机拍摄角度、距离等因素各异,螺栓影像背景复杂,信噪比低,检测效果较差;螺栓作为小目标物,受限于尺寸,特征表达能力弱,一直是目标检测中的难题.针对上述问题,提出基于深度卷积神经网络Faster R-CNN级联的输电塔螺栓缺失检测方法.首先,根据输电塔上螺栓所在部件的特征及规律性,定位所有包含螺栓的部件并生成影像,降低螺栓背景的影响,提高信噪比;其次,对部件影像进行正常螺栓定位,得到检测结果;最后,基于各类部件上正常螺栓的分布,对同类部件上所有正常螺栓检测结果进行最近点迭代算法(iterative closest point,ICP)配准,定位螺栓缺失位置.实验结果表明,与不采用级联的检测方法相比,基于级联的检测方法对螺栓缺失的检测精度提升了7.5％,检测时间基本持平,可提高无人机巡检中螺栓缺失检测的效率,降低巡检成本,适用于电力巡检.