利用改进RCNN卷积核的复合绝缘子缺陷识别方法

变电站复合绝缘子缺陷的检测仍然依赖于运行人员的巡检,巡检工作量大,易因视觉疲劳导致漏检。为减少计算资源消耗和缩短训练时间,通过重新组织卷积核改进了区域卷积神经网络(RCNN),提出了一种针对绝缘子裂纹形状特征的检测方法。该方法满足在训练样本数据不足的前提下,也能得到较好的卷积神经网络(CNN)训练效果,最终实现准确的裂纹识别。训练阶段采用RGB三通道分解方法,扩充训练数据集;利用中值滤波方法去除噪声;采用改进后的卷积核训练CNN。试验阶段将图片进行RGB三通道分解,并输入CNN得到确切的裂纹中心坐标、长度;采用非极大值抑制(NMS)算法去重,得到最终的裂纹识别结果。通过实例分析表明,在训练样本不足前提下,所提方法依然能达到较好的识别准确率,并能准确识别出裂纹的具体位置。