HI,欢迎来到学术之家,发表咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

输电线路绝缘子自爆缺陷识别方法

作者:侯春萍; 章衡光; 张巍; 杨阳; 张贵峰; 田...航拍图像深度学习卷积神经网络绝缘子分类器检测器

摘要:绝缘子自爆缺陷识别是实现运行状态监测和故障诊断的重要前提。针对输电线路航拍图像背景复杂的特点,提出一种基于深度学习的绝缘子自爆缺陷识别方法。本文中应用深度学习目标分类算法中最具代表性的AlexNet,VGG16以及FasterR-CNN框架分别进行分类器和检测器的训练,并将分类器和检测器级联组成级联网络,进行绝缘子目标的检测识别。分类器的正确率达到了72%,检测器的正确率达到了59.6%,级联网络的漏检率降为0。实验结果表明本文的方法能够有效地识别绝缘子、自动化性能良好,为下一步绝缘子故障抢修提供了基础。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

电力系统及其自动化学报

《电力系统及其自动化学报》(CN:12-1251/TM)是一本有较高学术价值的大型月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《电力系统及其自动化学报》是中文优秀期刊,天津市一级期刊,被英国科学文摘(SA)、俄罗斯文摘杂志(AJ)、日本科学技术文献社数据库(CBST,JST)、美国乌利希国际期刊指南、中国科学引文数据库等国内外相关数据库收录。

杂志详情