基于YOLOv5和U-Net++改进的绝缘子自爆故障检测方法

作者：胡祥^*; 李英娜

来源：陕西理工大学学报(自然科学版), 2022, 38(03): 22-29.

• 深度学习
• 绝缘子自爆故障检测
• YOLOv5
• U-Net++

利用深度学习模型分析研究在复杂背景下有关绝缘子自爆位置检测的相关问题。首先在YOLOv5特征提取网络结构中引入注意力机制，对特征图不同通道进行权衡，提取出含有绝缘子的矩形区域；然后用U-Net++模型获取故障位置，实现对绝缘子自爆位置的检测。运用该模型对某电力科学研究院提供的绝缘子航拍图像进行测试和对比实验，结果表明，采用注意力机制改进的YOLOv5定位绝缘子识别平均精度为96.3%,采用优化的U-Net++模型分割绝缘子的Dice系数达0.93,提出的绝缘子自爆位置识别模型能够更准确地对绝缘子及其爆裂位置进行识别。研究结果对实现电力系统智能化运维具有一定的应用价值。

• 单位
  自动化学院; 昆明理工大学; 云南电网有限责任公司