基于改进FasterRCNN的绝缘子异常检测

• 作者: 何文其 李剑 赵文浩
• 来源期刊: 浙江电力
• 关键词: 深度学习 绝缘子识别 FasterRCNN 目标检测
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 电力大数据与人工智能|Power Big Data and Artificial Intelligence
• 页码范围: 40-46
• 页数: 7页
• 分类号: TM216
• 语种: 中文
• DOI: 10.19585/j.zjdl.202108006

摘要

绝缘子在保证电力传输安全性方面起着重要作用,为提高绝缘子异常检测效率,提出了一种基于改进的FasterRCNN目标检测模型并将其应用于绝缘子检测中.首先,通过无人机采集航拍的图像样本,利用水平翻转、旋转变换、色域变换等通用图像增强方法扩增样本数量,采用LabelImg标注工具对各图像样本进行标注,完成绝缘子数据集的搭建.通过K-means聚类计算得到绝缘子数据集的最优先验锚框.针对破碎绝缘子占比小的问题,提出一种拷贝数据增强的方法,解决绝缘子不均衡问题.最后,通过实验对比分析了主干网络、拷贝数据增强和FocalLoss对网络性能的影响,得出结论:所提出的改进FasterRCNN模型提升了绝缘子检测的准确率,通过ResneSt101主干网络、拷贝数据增强以及FocalLoss,最终绝缘子数据集的mAP(平均精度均值)达到了68.3％,高于FasterRCNN基线6.8％.