电力检测基于深度学习的输电设备缺陷自动识别方法.docxVIP

[全]电力检测-基于深度学习的输电设备缺陷自动识别方法 电力系统有别于其他行业，维护不能随意中断生产，这就要在事故发生之前做好 充分的预测一在事故发生之前解决故障，重点是输电线路的预防性巡检工作。输电线路负 担高电压大电流的长期工作，近年来随着全球变暖恶劣气象天候频发，对电网安全运行构 成越来越大的危险。 随着电网智能化水平不断提高，无人机巡检被越来越多的采用。每一次巡检任务 完成后都会产生大量的巡检图片。一方面，现有的巡检图像处理方式，大都是基于人工判读 的方式来完成目标部件的标定和缺陷的分类，人工判读方式劳动强度大、工作效率低。另一 方面，人工判读方式没有一个统一的评判标准作为依据、易受个人主观因素的影响，常常漏 判或错判很多缺陷。以上两方面的因素使得现有的巡检方式不但不能迅速的排查输电设备 的缺陷，而且使得巡检效果不佳，从而导致线路状态监管缺位，这些都使得输电线路巡检工 作效果大打折扣，给输电线路安全留下隐患。 问题拆分 采用深度学习技术对无人机巡检获得的输电塔的本体照片进行自动分析，首先利用FasterRcnn算法自动从无人机巡检照片中识别出需要进行检测的输电设备，然后将输电设备送入针对该设备的缺陷分类器，判断该设备是否具有缺陷以及缺陷类型。若有缺陷，则自动在图片中进行标注缺陷设备所在位置以及缺陷类型，最终生成缺陷报告，给检修人员提供检修信息。本发明的分析过程具有准确率高