面向输电线路覆冰厚度辨识的多感受野视觉边缘智能识别方法研究

• 作者: 马富齐 王波 董旭柱 罗鹏 王红霞 周胤宇
• 来源期刊: 电网技术
• 关键词: 覆冰监测 边缘智能 多感受野 电力视觉 轻量化卷积神经网络
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 图计算、知识图谱、图机器学习在能源互联网中的应用|Application of Graph Computing, Knowledge Graph, Graph Machine Learning in Energy Internet
• 页码范围: 2161-2169
• 页数: 9页
• 分类号: TM721
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2020.1015

摘要

输电线路覆冰积雪表现出强随机性和不可抗拒性,导致实际输电线路覆冰应急处理极度困难,亟需覆冰监测终端的边缘智能识别能力.为此,以电力视觉边缘智能为基础,提出了一种基于轻量型多感受野特征表达网络的输电线路覆冰厚度终端级辨识方法.该方法首先通过轻量化的卷积神经网络MobileNetV3提取覆图像的特征,然后引入多感受野模块增大模型对覆冰影像的映射区域,从而增强其特征提取能力,其次采用多尺度目标检测网络(single shot multibox detector,SSD)实现覆冰厚度的辨识与监测.最后,采用实际场景下感知到的覆冰影像在计算资源有限的边缘智能装置中进行试验验证.试验结果表明:所提出的边缘智能识别方法能够实现覆冰厚度的终端级识别,并能在极端天气的覆冰场景下保持较高识别精度,避免了覆冰影像的长距离传输,实现了极端天气下覆冰监测的边缘智能自治,具有很强的泛化能力和实际适用价值.