基于深度学习增强的LSD杆塔倾斜度检测

• 作者: 王宏超 邵云峰 马中静 马治中 郭星
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 杆塔倾斜度 YOLOv3 LSD 杆塔中线
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 学术论文|PAPERS
• 页码范围: 204-213
• 页数: 10页
• 分类号: TM75
• 语种: 中文
• DOI: 10.13382/j.jemi.B2003733

摘要

杆塔的倾倒会对整个电网产生严重的破坏并威胁周围居民的生命安全,电力巡检无人机利用计算机视觉对杆塔进行巡检既节省了人力资源又显著地提高了电网的巡检效率.为了国网巡检人员在杆塔倾倒前及时得到预警,对电力巡检无人机中的基于计算机视觉的杆塔倾斜检测算法进行了研究,设计了一种基于YOLOv3的深度神经网络结合LSD线段提取方法对杆塔的倾斜进行检测.利用在山西电网无人机实际巡检的杆塔图片制作杆塔的VOC2007数据集并利用YOLOv3神经网络对杆塔进行目标检测,并将检测后得到的Bounding box根据网络训练后的mIOU参数进行微调后作为LSD检测的ROI.接着,该方法在ROI中将检测的线段进行过滤和融合,根据杆塔特点进行杆塔的二次识别.最后利用得到的杆塔外边线做出该方向上的杆塔中线并计算杆塔在该方向的倾斜度.该文中实验利用山西国网电力公司提供的数据进行验证,结果表明,杆塔的倾斜检测效果在各种拍摄高度和背景干扰下都较为精确,杆塔目标的正确识别率达到97％,倾斜度检测平均误差小于0.85°.