基于网格突变与半空心球邻域角度过滤的三维激光点云电力线异物精准检测定位方法

虢韬,徐梁刚,史洪云,王迪,龙贤哲,龙新

(1.贵州电网有限责任公司生产技术部，贵阳550000；2.贵州电网有限责任公司输电运行检修分公司，贵阳550000；3.中国电建集团贵州电力设计研究院有限公司，贵阳550000)

输电线路缺陷智能巡检技术一直是智能电网领域研究热点[1－3],电力线异物搭挂缺陷检测便是其中的一个重点,电力线搭挂异物将缩短高压电极限放电距离,造成停电等严重后果[4－7]。

目前,电力线异物搭挂利用无人机或在线监测装置配备的可见光照相设备进行巡检,然后利用图像识别技术进行异物搭挂检测。文献[8]针对异物图像特点,提出一种基于Dense－YOLOv3深度学习网络模型的输电线路异物入侵监测和识别方法,并采用条件生成对抗网络算法进行样本扩充来解决样本量小的问题。文献[9]针对传统卷积神经网络模型识别率低且对训练样本数量要求高的情况,提出一种基于改进胶囊网络的电力线巡线图像异物检测方法。文献[10]采用目标图像翻转、平移、色彩抖动等方法扩充有效样本,并基于TensorFlow算法实现输电线路异物识别。文献[11]将深度学习检测算法集成在边缘设备中,在边缘设备端进行异物检测并将检测结果传输到云端。文献[12－13]提出一种基于样本扩充的Faster R－CNN电网异物监测方法,采用图像合成技术实现样本生产和扩充,利用深度学习对所采集的现场图像进行异物识别分析。文献[14]提出改进SinGAN模型来提高电力线异物识别模型所需数据质量。文献[15]利用TensorFlow深度卷积神经网络实现巡检图像异物识别。……