基于深度学习的输电线挂接地线状态目标检测
针对输电线路挂接临时接地线时用手持设备获取的图像存在接地线区域占比小、间隔近、不易精准识别的现场实际问题,提出了采用改进Faster R-CNN法实现接地线目标识别的解决办法.通过在原始Faster R-CNN方法的基础上将卷积网络的低层和高层特征图均送入RPN中实现多尺度目标检测,并对非极大值抑制进行改进,将改进后的模型移植至手持数据采集设备.经仿真验证及现场试运行测得接地线的检测精度达到94.8%,比原始方法提高了7.5%,表明所提出方法可有效提升目标识别整体性能.
输电线路、接地线、改进Faster R-CNN、全程监管
44
TM7(输配电工程、电力网及电力系统)
南方电网贵州电网有限责任公司凯里供电局重点科技项目;国家重点研发计划重大项目:;OPLC施工、监测、检测、运行维护技术的设备与标准
2021-07-01(万方平台首次上网日期,不代表论文的发表时间)
共6页
132-137