基于多尺度上下文感知的绝缘子缺陷检测网络

摘要：

针对巡检图像中绝缘子缺陷尺度不一造成检测效果不佳的问题,提出了一种基于多尺度上下文感知的绝缘子缺陷检测网络,称为上下文感知缺陷检测网络(context aware defect detection network,CAD2Net).该网络采用ResNeStl01架构提高了对图像的特征提取能力.设计了改进特征金字塔结构,构建不同分辨率的丰富语义特征图,以更好地检测不同尺度的目标.同时,在网络的检测单元中增加感受野自适应(adaptive receptive field,Ada-RF)模块聚合多尺度上下文信息,生成更具辨别力的特征,改善网络对不同尺度目标的检测效果.在随机生成缺陷的样本集及公开数据集上的平均检测精度分别达到91.7％及91.0％.结果表明:所提出的缺陷检测网络能够对不同尺度绝缘子的缺陷进行准确识别与定位.

关键词：绝缘子、缺陷检测、感受野、上下文感知、深度学习

所属期刊栏目：48

分类号：TP391.41;P237;TN911.73

资助基金：国网公司科技项目5600-202046347A-0-0-00

在线出版日期：2022-09-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2905-2914