-
题名基于红外和可见光图像融合的绝缘子故障识别
- 1
-
-
作者
王勇
杨羽
刘津硕
于海博
刘博
-
机构
国网吉林省电力有限公司超高压公司
东北电力大学电气工程学院
北京中科创世科技发展有限公司
-
出处
《红外技术》
北大核心
2025年第5期648-655,共8页
-
基金
国家电网科技项目“基于无人机多光谱融合图像的复合绝缘子典型缺陷识别技术研究”(SGJLCG00YJJS2300190)。
-
文摘
为了解决传统的绝缘子故障检测方法不能全面捕捉细节和小目标检测性能差的问题,提出了一种基于双流注意机制的生成对抗网络(Deep Supervised Attention Generative Adversarial Network,DSAGAN)和YOLOv8的绝缘子故障识别方法。通过DSAGAN对绝缘子红外图像和可见光图像进行融合,在生成对抗网络(Generative Adversarial Network,GAN)的生成器中引入注意力机制增强融合特征来改进融合质量,GAN的生成器与判别器得到的结果互相竞争而形成对抗网络,并采用最小二乘法(Least Squares,LS)代替交叉熵损失作为DSAGAN的损失函数,以保留更多图像细节,增强DSAGAN的稳定性。采用YOLOv8目标检测算法对融合后的图像进行故障识别。实验表明:通过DSAGAN融合后的绝缘子图像的5个评价指标均高于其他7种融合方案;YOLOv8目标检测算法对绝缘子破损、闪络、玻璃损耗、聚合物污秽的检测平均精确率mAP@0.5和mAP@0.5:0.95分别达到了0.917和0.639,相比于YOLOv5分别提高了0.026和0.08。融合图像在不同绝缘子故障的识别率均高于单一的红外或可见光图像,平均识别率达到了93%,相比红外和可见光分别提高了6.25和4.5个百分点。
-
关键词
红外和可见光图像融合
绝缘子故障
DSAGAN
评价指标
YOLOv8
-
Keywords
fusion of infrared and visible light images
insulator fault
DSAGAN
least squares method
YOLOv8
-
分类号
TM854
[电气工程—高电压与绝缘技术]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
