基于反馈机制的卷积神经网络绝缘子状态检测方法

绝缘子是输电线路上的重要设备,其运行状况直接影响到电网的安全运行,因此对绝缘子状态自动、准确地检测是十分重要且必要的。针对已有检测模型处理不同样本时采用固定特征空间的不足及现有绝缘子检测算法特征提取复杂的缺陷,模仿人类由简到细反复推敲比对的认知过程,探索一种基于反馈机制的卷积神经网络绝缘子状态检测方法。首先,针对绝缘子样本的特点,改进LeNet_5网络结构,引入随机配置网络分类器,添加反馈机制调节卷积核的大小和个数,采用交替优化的策略以优化卷积神经网络的参数。其次,基于熵理论,建立语义误差信息熵测度评价指标,实时评价绝缘子不确定检测结果,克服状态后验评测的缺陷。最后,依据语义误差信息熵测度指标评价结果,通过构建的反馈机制调节卷积核的大小和个数细化提取特征,从而实现由简到细反复推敲比对优化检测结果。实验结果表明,改进型卷积神经网络模型在绝缘子状态检测上具有较高的检测正确率。

基于AE-Tiny YOLOV3的小目标检测模型

小目标检测是现阶段目标检测领域的热点和难点问题。针对小目标检测漏检及对硬件性能要求较高的问题,对Tiny YOLOV3进行改进,提出一种适合在低性能平台上使用的小目标检测算法AE-Tiny YOLOV3。首先,使用EfficientNet-B0骨干网络替换原算法的特征提取网络;其次,在检测网络中增加一个检测分支,形成3尺度预测;最后,引入注意力机制对3个检测分支进行改进。实验结果表明,在VOC07+12数据集上,AE-Tiny YOLOV3算法满足实时检测的要求,并且鲁棒性较高,最高能将mAP值提高16.89%。将AE-Tiny YOLOV3算法应用在架空输电线路中绝缘子状态检测实例上,mAP达到了86.53%,相较于Tiny YOLOV3算法提升了15.27%,能满足对小目标绝缘子状态的实时检测。