基于 Mask R-CNN 及 Yolov4 的电力巡检中绝缘子缺陷研究

上传者: 43193231 | 上传时间: 2022-07-25 15:53:29 | 文件大小: 3.83MB | 文件类型: PDF
摘要 输电线路是国家电力系统中负责电能输送的一个重要的组成部分。架空输电 线路长期经历着电闪雷击、风吹日晒、污秽、雨雪及沉陷等外界环境的侵害。目 前传统的电力巡检仍是人工巡检,新型技术利用无人机搭载高分辨摄像机,近距 离拍摄线路及其关键部件获取航拍图像来代替人工巡检。其中,航拍图像中输电 线路部件的识别及缺陷检测是关键技术也是技术难点。本文提出一种利用 Mask R-CNN 技术提取绝缘子串珠的掩膜图像、采用 Yolo-v3 和 Yolo-v4 进行对照,通 过神经网络模型对其绝缘子自爆区域进行特征提取,特征判断,识别定位。具体 流程如下:针对问题一中绝缘子串珠分割,本文根据不同绝缘子类型进行图像类别划 分,通过图像分割优化模型对小目标进行数据集制作。采用 Mask R-CNN 为框架 构建了深度学习算法,并以算法为核心搭建了绝缘子串图像检测平台。最后选取 数据集 80%进行模型训练,20%进行测试,使用极大值抑制算法,得出最佳先验 框(best_anchor),对经过模型得出的绝缘子掩模图与官方的绝缘子掩模图进行 计算,求出评价模型的 Dice 系数为 0.83

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