基于深度学习的电力设备图像识别及应用研究.pdfVIP

基于深度学习的电力设备图像识别及应

用研究

摘要：针对传统方法对电力设备的图像特征分类不明确，导致得到的图像识

别效果不佳，难以保证安全运行的问题，提出了基于深度学习的电力设备图像识

别方法。该方法首先提取电力设备图像特征分类伪装因素，然后基于深度学习方

法构建网络模型定位错误锚点，通过正负训练标记识别目标区域，从而完成对电

力设备图像的识别。实验结果表明，以变压器和电线塔杆作为识别设备测试对象，

该方法能在３０ｓ内基本完成采集图像的有效识别，可保证电力设备能稳定运行，

具有较好的实际应用效果。

关键词：深度学习；电力设备；图像识别；应用研究

引言

电力设备的各种缺陷影响了电网的正常运转，严重的缺陷甚至给生产生活

带来重大的损失，因此快速准确的设备缺陷检测具有重要意义。电力设备的缺陷

根据其应用特点，通常会产生异常发热，因此可以使用红外图像凸显电力设备

缺陷，达到全时无接触且不停电的检测优势，但随着自动化水平的提高，电力企

业为预防设备缺陷而产生大量的设备关键部位连续拍摄红外图像，这些图像所处

背景复杂，且噪声多变，传统机器学习提取的特征对人工先验知识过于依赖，特

征的描述力较弱，对复杂背景和多变噪声的鲁棒性较差，较低准确率和低泛化能

力难