输电线路绝缘子自爆缺陷识别方法

作者：侯春萍; 章衡光; 张巍; 杨阳; 张贵峰; 田治仁

来源：电力系统及其自动化学报, 2019, 31(06): 1-6.

DOI：10.19635/j.cnki.csu-epsa.000064

• 航拍图像
• 深度学习
• 卷积神经网络
• 绝缘子
• 分类器
• 检测器

绝缘子自爆缺陷识别是实现运行状态监测和故障诊断的重要前提。针对输电线路航拍图像背景复杂的特点,提出一种基于深度学习的绝缘子自爆缺陷识别方法。本文中应用深度学习目标分类算法中最具代表性的AlexNet,VGG16以及Faster R-CNN框架分别进行分类器和检测器的训练,并将分类器和检测器级联组成级联网络,进行绝缘子目标的检测识别。分类器的正确率达到了72%,检测器的正确率达到了59.6%,级联网络的漏检率降为0。实验结果表明本文的方法能够有效地识别绝缘子、自动化性能良好,为下一步绝缘子故障抢修提供了基础。

• 单位
  天津大学; 南方电网科学研究院有限责任公司