摘要

针对形态学和色彩学图像处理算法检测电线缺陷类型少、效率低的问题,为提高电线缺陷的检测正确率,提出了一种高效率、高准确度的高压电线缺陷图像识检测方法。由于电线缺陷类型根据导线截面积变化情况来划分,故选取更快速的基于区域卷积神经网络(Faster R-CNN)对电线缺陷进行检测与分类。根据检修导则将电线缺陷分为5种单类和2种混合类,研究了不同的网络模型对电线缺陷检测的正确率和识别帧率,并在实验中对数据集进行变换,通过旋转图像和加入正态分布的高斯雪花进一步提升检测效果。通过采集到的电线缺陷图像的测试,Faster R-CNN能够检测分类高压电线缺陷,加入数据变换对于电线缺陷检测的有效性和可靠性都有了提升,识别帧率为119 ms,均值平均精度(mAP)为94%,提高了5个百分点。