基于深度学习的输电线路螺栓检测技术

摘要：

输电线路螺栓缺陷检测对电力系统安全可靠运行具有重要意义,但螺栓在巡检图像中具有特征不明显、尺寸小的特点,这给螺栓检测研究带来了一定挑战.随着直升机、无人机巡检技术和边缘计算的发展,传统巡检图像处理方法已满足不了实时检测的需求.针对上述问题,提出一种基于深度学习的输电线路螺栓检测系统.采用分级检测原则,首先利用SSD(single shot mutibox detector)算法定位存在缺陷螺栓的连接部位并切割出连接部位,增大螺栓在巡检图像中的占比,其次利用数据增强扩充数据集,最后利用YOLOv3算法检测缺陷螺栓.最终将边缘计算装置搭载在直升机、无人机上,实现输电线路螺栓缺陷实时检测.为验证该系统的鲁棒性,对不同光照强度下的巡检图像进行仿真.实验结果表明,该方法能够有效、精确地实现巡检图像中螺栓缺陷的实时检测.

关键词：小目标检测、深度学习、缺陷检测系统、数据增强

所属期刊栏目：45

分类号：TM721(输配电工程、电力网及电力系统)

在线出版日期：2021-07-14（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：2821-2828,中插34