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