上传者: SimonG0310
|
上传时间: 2021-09-06 22:11:02
|
文件大小: 2.62MB
|
文件类型: PDF
由于电力线路绝缘子的故障导致输电系统的故障,基于架空平台的绝缘子检测系统得到了广泛的应用。绝缘子缺陷检测是在航空图像的复杂背景下进行的,这是一个有趣但具有挑战性的问题。基于手工特征或浅层学习技术的传统方法只能在特定检测条件下定位绝缘体并检测故障,例如在有足够的先验知识、背景干扰较低、特定物体尺度或特定照明条件下。本文讨论了利用航空图像自动检测绝缘子缺陷,精确定位从实际检测环境中采集的输入图像中出现的绝缘子缺陷。我们提出了一种新的深度卷积神经网络(CNN)级联结构,用于定位和检测绝缘子中的缺陷。级联网络使用基于区域建议网络的CNN将缺陷检测转化为两级目标检测问题。为了解决实际检测环境中缺陷图像的稀缺性,还提出了一种数据增强方法,该方法包括四个操作:1)仿射变换;2) 绝缘子分割与背景融合;3) 高斯模糊;亮度变换。使用标准绝缘子数据集,该方法的缺陷检测精度和召回率分别为0.91和0.96,可以成功地检测出各种条件下的绝缘子缺陷。实验结果表明,该方法满足绝缘子缺陷检测的鲁棒性和准确性要求。