基于深度学习的输电线路均压环倾斜识别

作者：戴永东; 蒋中军; 王茂飞; 陈双辉

来源：自动化仪表, 2022, 43(09): 106-110.

DOI：10.16086/j.cnki.issn1000-0380.2022020001

• 均压环倾斜
• 目标检测
• 快速区域深度卷积神经网络
• 级联金字塔网络
• 输电线路
• 倾斜角度

为解决输电线路均压环倾斜图像识别过程中存在的准确率低、倾斜角度计算差的问题，提出了一种基于深度学习的输电线路均压环倾斜识别方法。首先，采用改进的快速区域深度卷积神经网络(Faster-RCNN)检测均压环与绝缘子串的目标与位置信息。然后，采用级联金字塔网络(CPN)定位目标多特征关键点，并在此基础上使用文本检测(TB)算法，根据绝缘子与均压环位置信息定量计算出均压环的倾斜角度。最后，采用仿真环境对该方法进行了验证，得到其均压环倾斜识别准确率为87.2%。试验结果验证了所提方法可有效识别输电线路均压环倾斜，提高了输电线路运维水平。