输电线路绝缘子自爆缺陷识别方法

被引：42

作者：

侯春萍 ^{[1
]}

章衡光 ^{[1
]}

张巍 ^{[2
]}

杨阳 ^{[1
]}

张贵峰 ^{[2
]}

田治仁 ^{[2
]}

机构：

[1] 天津大学电气自动化与信息工程学院

[2] 南方电网科学研究院有限责任公司

来源：

电力系统及其自动化学报 | 2019年 / 31卷 / 06期

关键词：

航拍图像; 深度学习; 卷积神经网络; 绝缘子; 分类器; 检测器;

D O I：

10.19635/j.cnki.csu-epsa.000064

中图分类号：

TM216 [绝缘子和套管]; TP391.41 []; TP18 [人工智能理论];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

绝缘子自爆缺陷识别是实现运行状态监测和故障诊断的重要前提。针对输电线路航拍图像背景复杂的特点,提出一种基于深度学习的绝缘子自爆缺陷识别方法。本文中应用深度学习目标分类算法中最具代表性的AlexNet,VGG16以及Faster R-CNN框架分别进行分类器和检测器的训练,并将分类器和检测器级联组成级联网络,进行绝缘子目标的检测识别。分类器的正确率达到了72%,检测器的正确率达到了59.6%,级联网络的漏检率降为0。实验结果表明本文的方法能够有效地识别绝缘子、自动化性能良好,为下一步绝缘子故障抢修提供了基础。

引用

页码：1 / 6

页数：6