基于深度学习的电力巡检图像实时处理与识别算法研究

作者：石志彬; 罗望春; 莫兵兵; 张福

来源：电子设计工程, 2022, 30(23): 189-193.

DOI：10.14022/j.issn1674-6236.2022.23.041

• 深度学习
• 图像处理
• 目标检测
• 缺陷识别

应用人工智能技术对航拍采集的巡检图像进行目标检测和缺陷识别已成为现代电力巡检的发展趋势。文中基于深度学习技术提出了一种改进的识别算法，通过改进Faster-RCNN模型，结合HSI颜色特征提取，实现图像实时处理与输电线路的各类常规故障识别。将航拍图片归一化处理，RGB颜色模型转化为HSI颜色模型，遍历HSI空间的每个像素点，根据图片颜色特征判断像素点是否发生故障；建立Dense Net网络，将RoI Align层与预测层连接，应用改进Faster-RCNN目标检测模型对巡检线路训练数据集进行目标缺陷识别。实验分析结果表明，文中所提方法的故障缺陷识别精确率可达92.54%，具有实时性强、识别精度高等特点。