基于改进Faster-RCNN的绝缘子检测算法
2022-03-01马耀名
马耀名,张 雨
(辽宁工程技术大学电气与控制工程学院,辽宁葫芦岛 125105)
0 引言
高压输电线路途径地形复杂,多在山区、河流等人迹罕至区域,传统人工巡检,成本和难度都较高。随着无人机技术快速发展,借助无人机完成电力巡线已成为趋势[1-2]。绝缘子是高压输电线路重要组成部分,在电气绝缘和输电线路支撑中有重大作用;绝缘子长期暴露室外,很易发生破损和掉串,严重影响电网安全。为了更高效、快速检测绝缘子缺陷,借助无人机航拍快速定位绝缘子是绝缘子缺陷检测的前提[3-4]。
传统绝缘子识别方法主要是通过航拍图像边缘轮廓、颜色特征和机器学习方法,例如:郝艳捧等[5]提出使用Grab Cut图论法分割提取绝缘子;黄新波等[6]先通过形态学运算尺度小波变换以及逆变换系数特征对航拍图像清晰化处理,再借助边缘检测方法提取绝缘子;苑利等[7]提出借助支持向量机算法识别红外绝缘子图像;姚晓通等[8]先通过Canny 边缘特征点,再利用特征点匹配方法识别绝缘子。上述传统方法虽可识别绝缘子,但需根据场景设计不同目标特征,稳定性和泛化性较差,识别准确率也较低。
为了提高绝缘子识别精度,白洁音等[9]采用Faster-RCNN(Faster Region-based Convolutional Neural Network)算法[10]提取绝缘子,引入了自适应图像预处理、基于面积非极大值抑制和切分检测等方法;虽可有效检测绝缘子,但交并比(Intersection Over Union,IoU)、归一化层等未改进,致使绝缘子定位精度和模型训练效率较低。赵文清等[11]提出一种注意力机制与Faster-RCNN 相结合的绝缘检测方法,该方法在卷积特征提取网络中引入压缩激励网络结构[12],使模型能够关注与目标相关特征通道并弱化其他无关特征通道;……
