基于轻量级卷积神经网络的复合绝缘子憎水性诊断方法研究

• 作者: 马子儒 刘云鹏 裴少通 张功浩 杨家骏
• 来源期刊: 高压电器
• 关键词: 复合绝缘子 憎水性 卷积神经网络 EfficientNet 边缘计算
• 年，卷（期）: 2024,（3）
• 所属期刊栏目: 研究与分析
• 页码范围: 93-100
• 页数: 8页
• 语种: 中文
• DOI: 10.13296/j.1001-1609.hva.2024.03.012

摘要

复合绝缘子因其良好的性能在电网中普遍使用，为提高复合绝缘子带电憎水性检测的智能化和自动化水平，文中提出一种基于轻量级卷积神经网络的复合绝缘子憎水性诊断方法。文中使用EfficientNet算法对复合绝缘子不同憎水性等级对应的水迹图像数据进行特征提取训练，通过对模型准确率和参数量等方面的比较，并结合模型在边缘计算设备上的正向推理速度，确定EfficientNet-b3模型为本应用场景下的最优模型。该模型分类准确率为96.43%，在Jetson Xavier NX上的正向推理速度为57.16 FPS，在精度和速度方面均优于其他经典卷积神经网络对比算法。后接触角的测量结果验证了该模型在实际应用中的分类有效性。该模型搭载无人机可进行现场运行复合绝缘子的憎水性测量，具有一定的创新价值和良好的应用前景。