一种EO-YOLOX输电线绝缘子检测方法

为了保证电力系统的安全运行,使用无人机巡检技术对高压绝缘子进行日常检查是必要的。然而,受到电力线磁场和飞行安全的影响,图像数据中绝缘子像素表征减少,进而导致绝缘子检测的准确性降低。针对上述问题,提出了一种有效优化YOLOX(Efficient Optimization YOLOX,EO-YOLOX)检测模型。该模型首先利用空洞卷积(Atrous Convolution)的思想,提出了空洞空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)模块,消除图像中的无关信息,提高了网络识别感兴趣区域的能力。其次,在特征融合阶段加入了注意特征融合(Attentione Feature Fusion,AFF)模块,通过向融合特征图中补充深层语义和浅层细节信息,提高了检测绝缘子的准确性。最后,针对传统损失函数不能准确反映两个边界框之间距离的问题,提出了一种优化损失函数,以更准确地评估边界框的质量。将该算法在绝缘子数据集上进行了实验和测试,结果表明,与传统的YOLOX方法相比,该算法在识别绝缘子方面表现优异,mAP值提高了约2.59%。该模型的实时处理效率高达41.21帧每秒,有效解决了绝缘子检测难题。

结合三维量测数据的绝缘子选型与评估方法

绝缘配置可以在综合降低线路设备外绝缘配置成本和防污维护成本的基础上,从根本上降低污闪事故的发生概率,完备的绝缘子数据能够为科学合理的绝缘配置与选型提供可靠的支持。本文提出了一种新的绝缘子数据选型与评估方法,结合绝缘子三维量测数据及防污闪关键影响因子,采用多条件选型与评估模式,实现了绝缘子快速选型,极大提高了绝缘配置的效率。