基于深度學習算法的航拍巡檢圖像的絕緣子識別

蔣 姍，孫 淵，嚴道森

(上海電機學院機械學院，上海 200120)

0 引言

高壓線路輸電距離長，沿線的自然環境多樣，地理環境復雜，輸電線路易在惡劣環境中受到損害. 如果監控不到位，發生故障無法及時處理，必將導致重大事故發生，嚴重威脅和影響電力系統的正常穩定運行，甚至造成系統大規模癱瘓的嚴重后果. 對輸電線路進行定期巡視檢查是保證電力系統穩定運行的重要前提. 絕緣子類型多、 數量大、 分布廣, 是高壓輸電線路中重要的組成部分，在巡檢過程中，輸電線路上的絕緣子是重要的檢測目標. 人工巡檢效率低下、 危險系數高、 檢測結果不穩定，難以滿足日常監控巡檢要求，應用無人機巡檢在一定程度上提高了電力巡檢的效率[1]. 但絕緣子的航拍圖像在訓練前期篩選十分繁瑣，且受拍攝條件制約，使絕緣子在整幅圖像中占比小，導致人工判別強度大、 效率低. 在電網智能巡檢的大背景下，伴隨著圖像處理和深度學習的不斷發展，利用深度學習技術對絕緣子進行自動定位和檢測成為趨勢.

針對絕緣子檢測問題，目前國內外最常見的解決方法為傳統特征提取和基于神經網絡的深度學習方法. 傳統特征處理使用HOG、 SURF等方法提取圖像等特征，然后訓練SVM、 Adaboost等特征分類器. Zhao等[2-3]提取圖像的SURF特征以及基于相關系數的直覺模糊集，使用聚類算法識別絕緣子. Wu等[4]通過將絕緣子輪廓局部紋理分布的內外差異最大化建立了一種新的輪廓模型……