卢志钢,洪乙铭

(国网石狮市供电公司，福建 石狮 362700)

1 引言

硬压板作为连接外部装置进行投退操作的设备，是保护装置连接外部二次回路的重要节点，当实际线路运行方式发生改变时，需要做出对应的调整，避免由误操作引起的事故。传统的硬压板记录要求运维人员采用人工记录的方式记录硬压板投切状态，而大量的人工记录会导致出现误记的情况，且耗时高，不符合智能变电站的发展方向[1]。

随着图像识别技术的发展，各种基于图像识别的应用场合不断增加，传统目标检测方法如：HOG，SIFT等方法通过特征传入SVM、AdaBoost等分类器中进行检测。文献[2]和文献[3]就采用加权投票机制的AdaBoost算法对图像进行训练，继而建构分类器，以实现对硬压板投退状态的识别和统计。而随着神经网络的运用以及网络结构的优化，更多研究以神经网络为基础进行目标检测中，主流算法主要分为两个类型：Two-stage方法以及One-stage方法，如R-CNN系列为代表的Two-stage方法，主要思路为通过Selective Search或者CNN网络产生一系列的稀疏矩阵的候选框，然后对这些候选框进行分类和回归，two-stage的方法优势在于准确率度高，而One-stage方法有YOLO，SSD等，其主要思路就是均匀地在图片上不同位置进行密集抽样，抽样时可以采用不同尺度和长宽比，利用CNN提取特征后直接进行分类和回归，整个过程只需要一步，具有速度快的优势。

现如今的已有采用图像识别应用于变电站智能化中[4-5]，文献通常采用智能检测方法和图像识别的方法，前……