10.19781/j.issn.1673-9140.2021.05.025
基于双视卷积神经网络的输电线路自动巡检
卷积神经网络算法被广泛应用于输电线路自动巡检领域,但传统卷积神经网络电力缺陷识别模型的泛化能力较差.为此,提出一种融合双角度图像信息的卷积神经网络检测算法(CVR-RCNN),其利用2个视角可见光图像识别输电线路的常见缺陷.经实验测试,CVR-RCNN模型具有良好的鲁棒性,受试者工作特性(ROC)曲线下面积(AUC)值高达0.927,缺陷检测准确度较传统算法有显著提高.因此,CVR-RCNN能明显改善电力缺陷检测效果,可为无人机自动巡检输电线路提高准确稳定的算法架构.
无人机巡检;输电线路缺陷;深度学习;卷积神经网络
36
TM712(输配电工程、电力网及电力系统)
国网江苏省电力有限公司科技项目5500-202018082A-0-0-00
2021-12-08(万方平台首次上网日期,不代表论文的发表时间)
共10页
201-210