基于改进Cascade R-CNN的绝缘子故障检测方法研究

摘要：

针对航拍图中存在的绝缘子故障位置在图像中占比小、背景环境复杂导致的故障检测准确率低的问题,提出一种基于改进Cascade R-CNN模型的绝缘子故障检测方法.在原有Cascade R-CNN模型的基础上,在骨干网络中引入可变形卷积学习几何变换能力,在检测器中引入平衡损失函数平衡难易样本.在模型训练阶段,使用Copy-Paste与Mosica丰富故障绝缘子样本,平衡正负样本.使用该模型对航拍绝缘子图片进行故障检测实验,改进损失函数的模型与传统Cascade R-CNN模型相比平均召回率提升0.38%,引入可变卷积后的Cascade R-CNN模型与Faster R-CNN模型,相比平均召回率,从原来的89.78%变成93.49%,结果表明该模型能够有效克服样本遮挡以及样本不平衡的干扰.

关键词：绝缘子、故障检测、改进Cascade R-CNN、可变形卷积

所属期刊栏目：38

分类号：TM855(高电压技术)

资助基金：国家电网有限公司总部科技项目SGXJWL00SDJS2100845

在线出版日期：2023-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：140-148