基于Mask RCNN的绝缘子自爆缺陷检测

• 作者: 汪琦 刘向阳
• 来源期刊: 计算技术与自动化
• 关键词: 绝缘子 深度学习 Mask RCNN 自爆缺陷
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 控制系统与自动化装置
• 页码范围: 52-58
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.202201010

摘要

针对绝缘子自爆缺陷位置检测问题，提出了一种基于Mask RCNN的绝缘子自爆缺陷检测的方法。通过构造基于Mask RCNN的绝缘子串分割模型，在获取的掩模图像中引入最小外接矩形提取绝缘子串图像，从而搭建基于Mask RCNN的自爆缺陷检测模型，检测绝缘子串中的自爆位置。结合两个模型，将绝缘子串位置及其自爆缺陷位置映射到原图。该方法在绝缘子串分割模型的验证集上，平均Dice达到0.822,在自爆缺陷识别模型的验证集上，平均IOU达到0.835,最终模型对缺陷位置识别准确率达到94.12%。