-
题名基于深度学习的电网巡检图像缺陷检测与识别
被引量:62
- 1
-
-
作者
顾晓东
唐丹宏
黄晓华
-
机构
江苏第二师范学院数信学院
江苏君英天达人工智能研究院有限公司
南京理工大学机械工程学院
-
出处
《电力系统保护与控制》
CSCD
北大核心
2021年第5期91-97,共7页
-
基金
国家自然科学基金项目资助(61701201)。
-
文摘
无人机巡检已成为保证电网稳定运行的重要手段。针对巡检图像的自动化判读,提出基于深度学习的电网多部件缺陷检测与识别方法。将小样本缺陷检测问题分解为目标检测和分类两步。针对多目标部件的检测,提出基于最小凸集的损失函数以及预测框选择方法,两者结合YOLOv3框架可以实现多种部件的精准定位。之后,单类分类器在高维特征空间中进行小样本学习,判断目标部件是否故障。测试图像来自220 kV安徽宣枣4883线的巡检图像。实验结果表明,该方法对常见的电网故障识别率高于96%,漏报率低于2%,表明该方法能有效地进行电网的多部件缺陷检测与识别。未来结合边缘计算加速处理,可以实现无人机的在轨巡检。
-
关键词
输电线
深度学习
目标检测
边界框回归
单类分类器
-
Keywords
transmission line
deep learning
object detection
bounding box regression
one-class classification
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
TM75
[电气工程—电力系统及自动化]
-