面向电力系统的多粒度隐患检测方法

摘要：

由于电力系统的安全问题往往会造成严重的经济或社会影响,隐患检测已成为电力系统不可或缺的重要环节.随着人工智能领域的发展,基于深度学习的智能化电力系统隐患检测技术逐渐得到越来越多的关注.但目前的方法大多只是单一地考虑图像的全局特征或局部特征,无法全面彻底表征图像,进而难以捕捉电力领域尤其室外复杂背景下的隐患检测.为此,基于深度学习技术,提出了一种面向电力系统的多粒度隐患检测方法MGNet.通过引入图像的多粒度信息,构建全局和局部网络,进行多粒度级检测;并通过不同粒度级检测结果的协作式融合,增强检测的全面性.在杆塔连接金具隐患和线路通道机械隐患2个数据集上进行了实验比较和分析,对所提模型的检测性能进行评估.通过与现有最优隐患检测基准方法相比,所提方法在2种不同数据集上的平均精度均值分别提升了2.74％和2.77％,验证了模型的有效性.

关键词：隐患检测、多粒度信息、协作式融合、深度学习、电力系统

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：国网浙江省电力有限公司科技项目5211HZ19014U

在线出版日期：2021-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：520-530