基于深度学习的无人机巡检图像销钉故障检测

论文摘要

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%。

论文目录

文章来源

类型: 期刊论文

作者: 宁柏锋

关键词: 输电线路,无人机巡检,销钉,故障检测,深度学习

来源: 计算机测量与控制 2019年11期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 电力工业,计算机软件及计算机应用,自动化技术

单位: 深圳供电局有限公司

基金: 中国南方电网有限责任公司科技项目(090000KK52170124)

分类号: TM75;TP18;TP391.41

DOI: 10.16526/j.cnki.11-4762/tp.2019.11.006

页码: 25-29

总页数: 5

文件大小: 1077K

下载量: 245

相关论文文献

标签：输电线路论文;  无人机巡检论文;  销钉论文;  故障检测论文;  深度学习论文;