基于局部特征深度信息的绝缘子小样本缺陷检测

作者：白晓静; 谢雅祺; 吴华; 张文彪; 谈元鹏; 叶玲玲

来源：电网技术, 2023, 1-12.

DOI：10.13335/j.1000-3673.pst.2022.2187

• 绝缘子
• 小样本学习
• 目标检测
• 缺陷识别
• 卷积神经网络

基于深度学习的目标检测技术已广泛应用于绝缘子缺陷检测中，然而现有目标检测算法主要基于大量缺陷样本训练网络模型，无法对少样本缺陷进行准确识别。针对绝缘子缺陷检测过程中缺陷样本量不足的问题，本论文提出一种基于局部特征深度信息的绝缘子小样本缺陷检测方法。首先采用旋转目标检测网络改进Faster R-CNN模型提取绝缘子串区域，然后对绝缘子串特征进行划分，提取绝缘子串局部特征并基于深度EMD（Earth Mover’s Distance）网络实现小样本缺陷检测。实验结果表明，在玻璃绝缘子自爆缺陷检测中，所提出方法采用2张训练样本可取得与现有目标检测方法200张训练样本相同的效果，采用10张训练样本的绝缘子自爆检测mAP达到0.65，该方法为小样本电力设备缺陷智能化检测提供了新的方法和思路。

• 单位
  中国电力科学研究院有限公司; 华北电力大学