-
题名基于深度学习的架空输电导线缺陷检测方法研究
被引量：10
- 1
-
-
作者
翟学明
李晓
翟羽佳
-
机构
华北电力大学控制与计算机工程学院
国网石家庄供电公司
-
出处
《电网技术》
EI
CSCD
北大核心
2023年第3期1022-1030,共9页
-
文摘
无人机巡检图像中,架空输电导线断股、表面磨损等缺陷存在人工复检效率低、误检漏检率高的问题,为此提出了一种基于深度学习的架空输电导线缺陷智能检测方法。该方法以Unet为基础网络,结合迁移学习的思想,将VGG16(visual geometry group,16 weight layers)作为主干特征提取网络,并且将VGG16在ImageNet数据集上训练的权重作为预训练权重,以增强训练效果;然后将网络中的普通卷积用深度可分离卷积代替,有效地减少了网络的参数量;最后引入轻量级的高效通道注意力模块(efficient channel attention,ECA),实现不降维的局部跨信道交互策略,突出重要特征的同时克服了性能和复杂性之间的矛盾。在自建的输电导线缺陷数据集上,对方法进行了功能与性能测试,实验结果表明所提方法在导线断股检测上的准确率达到89.81%,在表面擦痕检测上的准确率达到90.86%,在表面刮损检测上的准确率达到93.58%,平均交并比(mean intersection over union,MIoU)值为86.12%,单张检测速度相对于Unet网络提升了8倍左右,提高了网络检测速度和检测精度。
-
关键词
无人机巡检图像
输电导线缺陷检测
迁移学习
深度可分离卷积
高效通道注意力
-
Keywords
UAV(unmanned aerial vehicle)inspection image
transmission wire defect detection
transfer learning
depthwise separable convolution
efficient channel attention
-
分类号
TM721
[电气工程—电力系统及自动化]
-
