科研之友
微信
新浪微博
Facebook
分享链接
摘要
机器代人巡检已逐步在电力巡检场景中得到广泛应用，绝缘子作为维护电力系统安全可靠稳定运行的重要设备，对其缺陷进行准确有效检测具有重要意义。绝缘子缺损识别是绝缘子缺陷检测中的重要任务，针对当前绝缘子缺损数据样本较少且样本不平衡，模型泛化能力差、数据标注不精确的问题，本文提出基于域随机化的缺损样本自动生成框架与样本图像质量评估方法，在虚拟域到真实域的绝缘子缺损检测域适应问题上取得了较好的效果，并基于该方法生成图像标注数据供开源使用。本文提出的域随机化数据生成方法首先基于程序化建模生成结构可调的绝缘子伞盘模型，基于噪声模型建立了包含陶瓷绝缘子常见色彩、纹理信息的程序化纹理模型，基于噪声模型建立了绝缘子缺损切割模块，随后通过域随机化生成完整的绝缘子结构、纹理模型与缺损结构，添加背景信息与场景物体，进而基于相机对准与能见度自动生成与调整拍摄点及相机参数，最后提出基于光线投射方法建立数据标注类别判定方法，设置实例对应的图像渲染通道进行图像渲染，完成批量数据生成。本文采用域随机化生成的3000张虚拟数据在不修改YOLO V5网络结构、模型参数的基础上训练模型，在300张真实绝缘子缺损图像上进行测试，正常绝缘子识别准确率达到97.8%，召回率92.1%，缺损绝缘子识别准确率79.0%，召回率75.9%，准确率和召回率均高于基于400张真实图像训练得到的检测模型的推理结果。本文提出的图像样本质量评估方法考虑了与真实域数据的相似度和样本在数据集中的独立性，将所得评价结果带入损失函数权重计算，进一步提升了推理结果，缺损绝缘子识别准确率85.3%，召回率77.8%
- 单位
