摘要:絕緣子自爆缺陷識別是實現(xiàn)運行狀態(tài)監(jiān)測和故障診斷的重要前提。針對輸電線路航拍圖像背景復(fù)雜的特點,提出一種基于深度學(xué)習(xí)的絕緣子自爆缺陷識別方法。本文中應(yīng)用深度學(xué)習(xí)目標(biāo)分類算法中最具代表性的AlexNet,VGG16以及FasterR-CNN框架分別進行分類器和檢測器的訓(xùn)練,并將分類器和檢測器級聯(lián)組成級聯(lián)網(wǎng)絡(luò),進行絕緣子目標(biāo)的檢測識別。分類器的正確率達到了72%,檢測器的正確率達到了59.6%,級聯(lián)網(wǎng)絡(luò)的漏檢率降為0。實驗結(jié)果表明本文的方法能夠有效地識別絕緣子、自動化性能良好,為下一步絕緣子故障搶修提供了基礎(chǔ)。
注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社。
電力系統(tǒng)及其自動化學(xué)報雜志, 月刊,本刊重視學(xué)術(shù)導(dǎo)向,堅持科學(xué)性、學(xué)術(shù)性、先進性、創(chuàng)新性,刊載內(nèi)容涉及的欄目:學(xué)術(shù)論文、科研成果報導(dǎo)等。于1989年經(jīng)新聞總署批準(zhǔn)的正規(guī)刊物。