基于电力巡检的图像识别研究

作者：司小庆; 束庆霏

来源：电力大数据, 2022, 25(10): 37-44.

DOI：10.19317/j.cnki.1008-083x.2022.10.010

• 无人机
• 电力巡检
• 图像识别
• 深度学习
• 激光点云

为解决图像识别技术在电力工作中应用不佳的问题，本文基于各类电力部件的图像识别方法，选用高质量图片识别分析，并给出发展建议。研究结果如下：(1)YOLO算法检测快、精度高，广泛应用于无人机智能巡检中；(2)理论研究的故障识别率超过90%,实际应用却不足50%,因为理论样本集质量高，且算法参数仅对理论样本集有效。实际工作中每天上传不同的样本，样本可能包含多种电力部件，且待测部件不明显，算法无法适应差异性大的样本集；(3)改善图片质量可有效提升图像识别效果，本文识别率达75%,但考虑电力安全，算法会矫枉过正，识别出很多不存在的缺陷。可基于当前激光点云建模的工作模式，辅以图像识别技术，综合利用激光、红外等数据，实现无人机自主巡线，通过精细化巡检提升图片质量。