Print

基于改进FasterRCNN的配网架空线路异常状态检测

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

  • 0 引言
  • 1 异常状态图像检测
  • 2 融合FPN的改进RPN结构
  •   2.1 RPN结构
  •     2.1.1 基本结构
  •     2.1.2 筛选候选区域
  •   2.2 FPN结构
  •   2.3 组合结构
  • 3 配网架空线路设备及异常状态数据集
  • 4 模型评价
  • 5 检测结果展示
  •   5.1 模型效果对比
  •   5.2 测试结果展示
  • 6 结论

    • 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

    本文来源: https://www.lunwen66.cn/article/4b22e56146be27e0308bb21e.html