论文部分内容阅读
绝缘子作为一种在架空输电线路上用来实现电气绝缘和机械固定的重要绝缘控件，其数量庞大且长期暴露在自然环境中，受气候、温度、自身耐久等因素的影响容易发生自爆、破损、缺失等故障问题，对于电力的稳定传输有很大的影响，因此对于绝缘子的巡检是不可或缺的。随着无人机技术的不断发展，工作人员利用无人机对待检测的绝缘子进行航拍，凭借肉眼对采集到的绝缘子图像进行判断。该方法看似是一种可靠的方法，但实际由于无人机拍摄到的绝缘子数据量大，拍摄背景较为复杂，工作人员往往凭借经验来进行判断，难免会造成误差。近些年，机器视觉与计算机性能的飞速发展，利用计算机来辅助工作人员进行绝缘子及其缺陷检测成为了一种可靠、热门的方法。
论文研究针对绝缘子及其缺陷检测，提出了“先定位，后识别”的方案。通过改进现有目标检测框架Faster R-CNN，并基于深度学习技术提出了一种新的级联式目标检测模型。利用航拍绝缘子图像作为样本进行定位与缺陷识别，从而实现架空输电线路上的绝缘子及其缺陷的自动检测。论文研究工作如下：
(1)针对于现有的绝缘子数据集，尤其是故障绝缘子数据集样本数量不足、质量差等问题，利用放射变换、背景融合技术对绝缘子正负样本进行扩增操作，并对扩增后的绝缘子图像进行图像增强、标注以及绝缘子数据集的制作等处理，解决了因样本量少而导致网络训练与测试时易发生过拟合现象以及识别成功率较低等问题。
(2)根据绝缘子与缺陷形态、尺寸等实际情况，对Faster R-CNN检测框架中的anchor样式以及相关超参数进行了优化；添加了候选区域数目自调节器(NAP)，实现候选区域数目的动态调整，提高了训练与检测速度。
(3)通过在绝缘子定位网络中插入显著性学习模块(ALM)，将图像显著性技术引入绝缘子定位任务中，突出了绝缘子在图像中的重要性，辅助绝缘子定位网络对绝缘子进行更快速的定位。
(4)构建了“绝缘子定位-图像裁剪-缺陷检测”的级联式目标检测模型。
(5)通过设计多种类型的对比实验，使用扩增后的绝缘子数据集进行模型训练与测试，得出绝缘子定位率为91.18%与缺陷检出率为90.06%，从而验证了论文提出的参数优化与改进方法以及级联式检测结构的可行性、有效性以及识别性能的提升。
论文研究针对绝缘子及其缺陷检测，提出了“先定位，后识别”的方案。通过改进现有目标检测框架Faster R-CNN，并基于深度学习技术提出了一种新的级联式目标检测模型。利用航拍绝缘子图像作为样本进行定位与缺陷识别，从而实现架空输电线路上的绝缘子及其缺陷的自动检测。论文研究工作如下：
(1)针对于现有的绝缘子数据集，尤其是故障绝缘子数据集样本数量不足、质量差等问题，利用放射变换、背景融合技术对绝缘子正负样本进行扩增操作，并对扩增后的绝缘子图像进行图像增强、标注以及绝缘子数据集的制作等处理，解决了因样本量少而导致网络训练与测试时易发生过拟合现象以及识别成功率较低等问题。
(2)根据绝缘子与缺陷形态、尺寸等实际情况，对Faster R-CNN检测框架中的anchor样式以及相关超参数进行了优化；添加了候选区域数目自调节器(NAP)，实现候选区域数目的动态调整，提高了训练与检测速度。
(3)通过在绝缘子定位网络中插入显著性学习模块(ALM)，将图像显著性技术引入绝缘子定位任务中，突出了绝缘子在图像中的重要性，辅助绝缘子定位网络对绝缘子进行更快速的定位。
(4)构建了“绝缘子定位-图像裁剪-缺陷检测”的级联式目标检测模型。
(5)通过设计多种类型的对比实验，使用扩增后的绝缘子数据集进行模型训练与测试，得出绝缘子定位率为91.18%与缺陷检出率为90.06%，从而验证了论文提出的参数优化与改进方法以及级联式检测结构的可行性、有效性以及识别性能的提升。