基于深度学习的架空线路绝缘子掉串识别研究

针对无人机巡检拍摄的架空线路绝缘子设备的照片进行处理,旨在建立一个基于Faster R-CNN目标检测算法的架空线路绝缘子设备识别与掉串诊断的模型。首先通过TensorFlow建立训练框架,将收集到的绝缘子数据集训练Faster R-CNN网络识别绝缘子,其次利用小波变换去噪增强图像特征信息,再对经过二值化处理的图像进行霍夫变换直线检测以及垂直投影确定有无缺陷。该模型绝缘子识别率为85.6%,掉串检测正确率为96%,有较强的鲁棒性。通过这样一个检测模型可以及时发现绝缘子设备存在的绝缘隐患,降低出现绝缘故障的风险,并且可以配合无人机巡检,大大减少人力劳动,更有效地分配人力资源及减少运维的成本。