基于深度学习的架空线路关键部件典型缺陷识别研究

陈剑波, 唐 锐, 姚 平, 张赛飞, 廖 林, 杨春萍

(1.国网新疆电力有限公司巴州供电公司,新疆 库尔勒 841000; 2.华北电力大学 电气学院,北京 102206)

架空线路是输送电力的重要纽带,确保架空线路安全对于电力系统安全稳定运行意义重大。绝缘子、悬垂线夹和均压环等金具是架空线路中常见的部件,由于长期暴露于外部自然环境下,这些部件难免会出现缺陷从而产生隐患,威胁电力系统安全稳定运行,因而需要定期巡检来确保电能持续供应和架空线路安全运行。

现有巡检方式主要包括人工巡检、直升机巡检[1]、机器人巡检[2]、无人机巡检[3-4]等。目前国内架空线路巡检模式主要为无人机巡检结合人工辅助巡检方式,通过给无人机设定航线对架空线路进行巡检,对无人机回传的图像进行人工甄别,或者将无人机取得的影像数据上传服务器,服务器再采取深度学习方法对架空线路影像数据进行甄别,在人力物力上投入较大。

当前基于深度学习的目标检测方法大致可以分为基于候选区域的两阶段目标检测方法和基于回归的单阶段目标检测方法。基于候选区域的两阶段检测方法有R-CNN[5]、Faster-R-CNN[6]、Mask R-CNN[7]等,这类检测方法精度较高;基于回归的单阶段检测方法有YOLO[8-10]、SSD[11]等,这类检测方法具有更快的处理速度。在满足检测精度要求下,由于基于回归的单阶段检测方法检测速度更快,因此其在实际应用中使用更加广泛,适用于实时性要求高、需要快速检测的场景。基于深……