基于深度学习的无人机巡检图像销钉故障检测

摘要：

随着经济和社会的发展,发电量和用电量逐年上升;安全的电力保障关系到国计民生,在常年的使用过程中,由于电力传输的输电线路受到外界环境的影响,使得输电线路部件容易出现不同程度的破损,其中销钉是固定螺母的关键零件,销钉的脱落会导致各部件之间连接的不稳定,这给输电网络的安全运行带来了极大的隐患;随着深度学习技术在计算机视觉领域中的应用,使得机器自动识别销钉这一输电线路系统中的微小部件成为现实;采用Faster R-CNN算法对无人机巡检图像中的销钉脱落故障进行识别,并讨论了不同分类器对识别结果的影响,然后对ACF+ Adaboost、Hough+ LSD和Faster R-CNN检测方法进行比较;实验结果表明,基于Faster R-CNN的目标检测方法对于输电线路中销钉脱落故障的识别率可达到96％,同时对正常销钉的识别率最高可达98％.

关键词：输电线路、无人机巡检、销钉、故障检测、深度学习

所属期刊栏目：27

分类号：TP183(自动化基础理论)

资助基金：中国南方电网有限责任公司科技项目090000KK52170124

在线出版日期：2019-12-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：25-29