利用卷积神经网络分析航拍图像来检测电力线绝缘子缺陷.pdf

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。

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明