基于改进Mask-RCNN模型的电力设备锈蚀识别

• 作 者: 吴添权 戴美胜 杨刚 陈伟杰 陈桂平 张鹏举 苟先太 周维超
• 机 构: 广东电网有限责任公司潮州供电局,西南交通大学电气工程学院,四川赛康智能科技股份有限公司
• 出 处: 电力信息与通信技术
• 发表日期: 2021年04期
• 关键词: 锈蚀检测 语义分割 Mask-RCNN DROPOUT corrosion detection semantic segmentation Mask-R
• 基金项目: 中国南方电网有限责任公司科技项目资助“基于巡检机器人红外成像测温智能诊断系统的技术研究”(035100KK52190003)

针对变电站电力设备锈蚀检测问题,文章提出了一种基于改进Mask-RCNN模型的锈蚀检测方法。使用残差网络Resnet101作为模型的基础网络,使用改进后的非极大值抑制(Non-Maximum Suppression,NMS)算法,提升语义分割的检测准确率。针对设备锈蚀数据集,使用dropout算法对Mask-RCNN提取的特征图进行处理,防止网络出现过拟合的现象,提升了召回率。实验结果表明,改进后模型的准确率和召回率均优于原始的Mask-RCNN网络。