基于深度学习的变电设备缺陷检测

• 作者: 李昊 周帅
• 来源期刊: 云南电力技术
• 学科: 工学
• 关键词: 缺陷检测 深度学习 暗通道去雾
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: "智能电网技术"特约专栏|Special column
• 页码范围: 17-20
• 页数: 4页
• 分类号: TM74
• 语种: 中文
• DOI: 10.3969/j.issn.1006-7345.2021.06.004

摘要

变电设备缺陷是影响电网平稳运行的重要因素,及时发现变电设备缺陷在提升电网可靠性、供电质量、运维水平等方面都具有重要意义.随着视频监控、智能巡检机器人等设施在变电站的逐渐普及,传统人工诊断方法难以应对海量的监控图片.因此本文提出一种基于深度学习的变电设备缺陷检测方法来快速检测监控图片中的缺陷,使用单阶段目标检测算法YOLOV4来进行缺陷检测.由于变电站多处于野外,安装在变电站的摄像头极易受到灰尘、水汽的影响导致所拍摄的图片质量不佳,针对此问题,本文在图像预处理阶段采用暗通道去雾算法对图像进行处理,从而改善图片质量,提升神经网络对变电设备的检测效果.