基于深度学习的输电线路绝缘子缺陷检测研究

Research on insulator defect detection of transmission line based on deep learning

针对输电线路部件绝缘子缺陷的人工巡检效率低的问题,提出了一种以两阶段目标检测Faster-RCNN+FPN为框架的深度学习缺陷检测方法,利用无人机进行图像采集,基于绝缘子的结构特性与缺陷种类,使用聚类算法优化anchor尺寸,并采用IoU阈值级联结构和全局RoI提升目标定位,最后以soft-NMS+voting(投票平均)进行结果优化。实验结果表明,该算法在绝缘子缺陷测试当中取得了每张近0.45 s的识别速度和85.1%的m AP,有效性与可靠性均得到了保证。