基于深度学习的架空输电导线缺陷检测方法研究

作者：翟学明; 李晓^*; 翟羽佳

来源：电网技术, 2023, 47(03): 1022-1031.

DOI：10.13335/j.1000-3673.pst.2022.0738

• 无人机巡检图像
• 输电导线缺陷检测
• 迁移学习
• 深度可分离卷积
• 高效通道注意力

无人机巡检图像中，架空输电导线断股、表面磨损等缺陷存在人工复检效率低、误检漏检率高的问题，为此提出了一种基于深度学习的架空输电导线缺陷智能检测方法。该方法以Unet为基础网络，结合迁移学习的思想，将VGG16(visual geometry group,16 weight layers)作为主干特征提取网络，并且将VGG16在ImageNet数据集上训练的权重作为预训练权重，以增强训练效果；然后将网络中的普通卷积用深度可分离卷积代替，有效地减少了网络的参数量；最后引入轻量级的高效通道注意力模块(efficient channel attention,ECA)，实现不降维的局部跨信道交互策略，突出重要特征的同时克服了性能和复杂性之间的矛盾。在自建的输电导线缺陷数据集上，对方法进行了功能与性能测试，实验结果表明所提方法在导线断股检测上的准确率达到89.81%，在表面擦痕检测上的准确率达到90.86%，在表面刮损检测上的准确率达到93.58%，平均交并比(mean intersection over union,MIoU)值为86.12%，单张检测速度相对于Unet网络提升了8倍左右，提高了网络检测速度和检测精度。

• 单位
  华北电力大学; 国网石家庄供电公司