深度学习目标检测算法在架空输电线路绝缘子缺陷检测中的应用研究综述

传统架空输电线路绝缘子缺陷检测一般通过人工巡检方式进行。架空输电线路的数量增长使巡检规模更加庞大、巡检环境更加复杂,放大了传统绝缘子缺陷检测方法人力成本高、检测效率低的不足。无人机(unmanned aerial vehicle,UAV)等新型巡线方式依靠深度学习目标检测算法识别架空输电线路绝缘子缺陷,能够有效应对人工巡检的不足,是绝缘子缺陷检测的发展趋势。鉴于此,围绕架空输电线路绝缘子缺陷检测场景,首先梳理常用的深度学习目标检测算法,比较不同算法的检测策略、检测精度与检测速度;然后结合云–边–端协同架构说明算法的改进需求与相应改进方法;最后针对现有绝缘子检测方面的不足,展望了输电线路绝缘子中多类型缺陷的识别问题,并在这一研究趋势下进一步探讨了模型边缘端轻量化与针对小样本数据下的算法研究价值。

DL/T 812-2002《标称电压高于1000V架空线路用绝缘子串工频电弧试验方法》标准的编制说明

文章介绍了DL/T812-2002《标称电压高于1000V架空线路用绝缘子串工频电弧试验方法》标准的主要制定内容,与国内外同类标准水平的对比情况以及重大分歧意见的处理过程。同时对复合绝缘子工频电弧特性进行了详细分析。

基于微调式结构化剪枝的架空输电线路绝缘子检测算法

针对现行架空输电线路绝缘子检测算法存在的复杂度高和实时性差等问题,文章提出基于结构化剪枝的检测算法。首先引入HardSwish激活函数,加速模型收敛;其次,使用K-means++算法对锚框聚类,使锚框更贴合目标;在训练过程中利用归一化层缩放因子γ进行L1正则化稀疏训练,优化滤波器以及卷积核权重,剪除信息量较少的通道。对于剪枝后的模型,通过知识蒸馏进行微调,恢复精度。采用DIOU-NMS算法进行后处理,优化模型实际检测结果。实验表明:文章模型浮点数运算量减小至8.2GFLOPs,有效降低了模型的复杂度;m AP0.5高达96.8%,性能优于其他模型;检测速度可达21.23fps,可以较好地满足实时性检测需求。

基于ARIMA-LSTM的绝缘子状态数据挖掘方法

提出结合时间序列分析与深度学习组合模型的架空线绝缘子状态数据挖掘方法。首先,运用自回归综合滑动平均模型对绝缘子的关键状态量进行拟合,提取其中的线性特征;采用长短时记忆单元的反馈神经网络对模型的残差进行拟合,提取外部条件对设备的非线性作用,对时间序列模型进行修正,提升预测精度;最后,采用自适应的学习率调整方法,优化模型的收敛速度。以广州某杆塔上绝缘子的等值附盐密度数据为例,验证了该算法的可行性。