基于Faster RCNN变电设备红外图像缺陷识别方法

作者：李文璞; 谢可; 廖逍; 李小宁; 王皓

来源：南方电网技术, 2019, 13(12): 79-84.

DOI：10.13648/j.cnki.issn1674-0629.2019.12.012

• 红外图像
• 缺陷识别
• 变电设备
• Faster RCNN
• 深度学习

变电设备红外检测能够及时有效的发现设备过热缺陷,预防设备故障的发生。传统人工诊断方法难以应对变电站机器人、无人机自主巡检产生的海量红外图片,而目前红外图像缺陷识别大都基于传统机器学习算法,识别准确率低、泛化能力差,因此本文提出了基于深度学习的变电设备红外缺陷识别方法。首先基于Faster RCNN算法对变压器、套管、断路器等七种变电设备进行目标检测,实现设备的精准定位、识别,然后基于温度阈值判别法对设备区域进行缺陷识别。使用现场采集红外图像进行测试,七种设备检测平均精度均值达到90. 61%,缺陷识别准确率达到81. 33%,实验结果表明本文方法的有效性和准确性。

• 单位
  国网信息通信产业集团有限公司