基于改进Mask R-CNN的输电线路安全检测方法研究

随着全球电力需求的持续增长和电力网络的不断扩展,输电线路的安全性与稳定性尤为重要。输电线路在连接发电厂和用户的过程中,承担着可靠输送电能的重要职责。为提升输电线路的安全,研究提出一种基于掩膜区域卷积神经网络(Mask Region Convolutional Neural Network,Mask R-CNN)的输电线路安全检测模型,并引入特征金字塔网络(Feature Pyramid Network,FPN)对其进行改进。实验结果表明,在数据集尺寸为500时,改进Mask R-CNN模型的准确率为0.91,损失函数值为0.01。改进的Mask R-CNN模型能够有效提升输电线路缺陷检测的精度,具有较高的实用价值,能够提高电力系统的安全监控水平。