基于深度学习的耐张线夹压接缺陷X射线影像智能识别

• 作者: 李鹏吾 刘荣海 周静波 赵腾飞
• 来源期刊: 南方电网技术
• 学科: 工学
• 关键词: 深度学习 耐张线夹 缺陷检测 X射线图像
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 输电线路|Transmission Line
• 页码范围: 126-133
• 页数: 8页
• 分类号: TM75
• 语种: 中文
• DOI: 10.13648/j.cnki.issn1674-0629.2022.03.016

摘要

输电线路中耐张线夹压接质量影响着电网运行安全,目前对耐张线夹压接质量检测方法主要是拍摄X射线图像并进行人工识别.但由于耐张线夹X射线图像存在缺陷部位尺寸小且排列紧密等特点,人工方法显得耗时费力且准确率不高.针对上述问题,提出一种基于深度学习的耐张线夹压接缺陷X射线图像检测系统.采用分级检测原则,首先利用CenterNet算法定位存在缺陷的压接部位并切割出压接部位,增大压接缺陷在图像中的占比,其次利用数据增强扩充数据集,最后利用RetinaNet算法检测压接缺陷.经验证,该分级检测策略与采用传统检测算法相比,在准确率和检测速度上都有一定程度提升,可满足实际工程中应用要求.