论文摘要
随着无人机巡线技术的不断发展,现已广泛运用在输电线路运维工作中,但仍需由人工判断线路异常状态类型,检测准确率极易受环境影响,现有智能检测技术检测速度慢、检测手段单一。针对提高异常状态智能检测效率问题,提出基于融合FPN结构的FasterRCNN深度学习在线异常状态检测系统。首先采用ResNet50卷积神经网络对原图逐层进行特征提取,得到最高层特征图;再对该特征图使用反池化法进行上采样得到多张低特征图,并将原各层特征图与新各层特征图对应融合;最后将融合后的全部特征图输入RPN层进行二分类与边框回归,经过ROIpooling层后得到异常点检测结果。经过对配网设备及异常状态检测数据集的检测验证,所提出的网络结构对比原FasterRCNN网络,不仅具有更高的识别正确率,且可以有效识别变压器等小目标物体。
论文目录
文章来源
类型: 期刊论文
作者: 王超洋,樊绍胜,刘铮,李彬,张巍
关键词: 架空线路异常状态智能检测,神经网络,高低特征共享
来源: 电力学报 2019年04期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 电力机器人湖南省重点实验室长沙理工大学,国网湖南省电力有限公司长沙供电分公司
基金: 国家自然科学基金（61473049）
分类号: TM755
DOI: 10.13357/j.cnki.jep.002811
页码: 322-329
总页数: 8
文件大小: 2222K
下载量: 278
相关论文文献
标签：架空线路异常状态智能检测论文; 神经网络论文; 高低特征共享论文;