基于组合式目标检测框架的低漏报率缺陷识别方法 |
| |
作者单位: | 武汉大学电气与自动化学院,武汉430072;青海大学启迪新能源学院,西宁810016;中国电力工程顾问集团中南电力设计院有限公司,武汉430071 |
| |
基金项目: | 国家自然科学基金;国家自然科学基金 |
| |
摘 要: | 针对输电线路机巡影像缺陷识别中低漏报率的需求,提出了一种基于组合式深度目标检测框架的输电线路低漏报率缺陷识别方法。该方法首先利用典型目标检测算法在输电线路巡检图像数据集上进行训练,得到输电线路设备缺陷的特征提取网络;随后引入位置随机分布函数改进目标预测的方式,并利用自适应非极大值抑制判别器,对2个网络的特征提取结果进行自适应融合,最终得到巡检图片中缺陷的类型和位置。测试结果表明,该方法能够有效降低巡检图像缺陷识别的漏报率,采用该方法得到的主要缺陷的平均漏报率远低于其他深度学习模型,可同时实现多类缺陷的检测,能有效促进输电线路常规巡检中缺陷自动识别的应用和推广。
|
关 键 词: | 电力深度视觉 低漏报率 组合神经网络 缺陷识别 自适应融合 输电线路 |
本文献已被 CNKI 万方数据 等数据库收录! |
|