基于深度学习的螺栓缺失快速检测

摘要：

输电塔螺栓在输电线路中起着重要的连接和固定作用,由于长期暴露于户外,容易出现螺栓缺失等缺陷造成安全隐患,影响输电线路的安全和稳定,因此需要对螺栓进行定期巡检.由于输电塔所处地理环境复杂以及数据采集时拍摄角度、光照等因素的影响,螺栓背景复杂,信噪比低,同时螺栓属于小目标,使得传统目标检测网络对于这种特征的提取不敏感;对于传统的单阶段和两阶段目标检测网络而言,训练时间久,成本较高;此外,传统的检测方法将正常螺栓与螺栓缺失的检测割裂开,容易忽略掉两者在空间上存在的联系;为解决上述问题,本文提出一种基于深度学习的螺栓缺失快速检测方法,基于改进的YOLOv4目标检测网络,在分别检测正常螺栓和螺栓缺失的基础上,对两者检测结果通过区域生长方式进行融合,判断是否在同一部件上,有效提高了检测速度和精度,适用于电力巡检工作.

关键词：输电线路巡检、深度卷积神经网络、目标检测、螺栓缺失

所属期刊栏目：50

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2022-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：67-71,78