基于计算机视觉的配电线路绝缘子合格检测

架空配电线路(OPDL)占据了中压电气系统的大部分空间。在这些网络中,目视检查通常在没有自动化系统的情况下进行,这需要大量时间和人力资源。基于此,文章提出了一种基于卷积神经网络的方法来识别绝缘子的缺陷和类型,从工作室内部和真实的架空配电线路场景中收集了2500多张照片,提出了一种自动识别绝缘子一致性的分类模型。该模型可以通过增强这些图像的逼真细节(例如顶部系带和真实世界的背景),从室内照片中进行学习。此外,还采用多任务学习来提高缺陷检测性能。结果表明,文章所提出的方法实现材料分类准确率92%和缺陷检测准确率85%,F1值为0.75,超过了现有的解决方案。