基于深度学习的绝缘子串检测算法研究

因绝缘子串在输电线路中作用重要、发生故障频率高等特点,绝缘子串检测已成为架空输电线路巡检任务的主要内容之一。为了解决传统检修方法效率低、成本高的缺点,文章提出了一种使用关键点对绝缘子串进行检测的算法。该算法使用自主标注的绝缘子串数据集,采用预训练模型VGG19、旋转、放缩等数据增强方法、梯度更新方法优化、中间监督等策略对模型性能进行多次改进优化。实验结果表明,最终模型精度值达到59.2%,比初始模型提高了15%,精准度有了显著提高。

基于深度卷积网络的复杂环境中绝缘子串特征检测

绝缘子串工作状态的智能监测是实现智能电网的重要前提;针对电网巡检图像中绝缘子串特征检测效果受复杂环境的影响;引入超像素和统计方法来降低复杂场景的难度,首先采用多尺度方式将图像分解为不同的层,然后采用SLIC将每层图像分解为不同大小的超像素,采用超像素特征来描述多尺度图像的某个区域位置的特征信息,得到图像的粗略显著区域,并作为样本集输入区域网络Region net进行处理,最后通过网络训练迭代得到准确完整的显著特征图;将提出算法和其它流行算法对不同环境中绝缘子串图像进行特征检测对比实验,证明提出算法的F-Measure以及平均误差MAE均优于当前流行算法。

WG-15交流线路绝缘子串电压分布测量表开发

研究开发WG-15型表主要用于交流线路35～500KV的带电测量过线塔的绝缘子串电压分布值。也可用于试验室内各种35KV以及交流电压的测量。是一种理想的保障线路运行安全的检测仪表和带电作业辅助工具。