基于ScSGB-RCNN網絡的輸電線路航拍絕緣子目標檢測

曾業戰,段志超,郭彥東,鐘春良

(湖南工業大學電氣與信息工程學院,湖南 株洲 412007)

0 引言

絕緣子長期暴露在戶外,且工作環境惡劣,易導致絕緣性能下降和安全事故。為保證電網的安全運行,需定期對絕緣子進行檢測與維護。然而,由于輸電線路途經地形復雜,早期的人工線路巡檢難度大、成本高,人工攀爬巡檢已不適用于輸電線路的運行維護。近年來,隨著無人機技術的快速發展,利用無人機對輸電線路絕緣子進行航拍,繼而采用人工智能技術對航拍所獲圖像進行目標檢測的方法已逐漸成為主流[1],效率可達人工巡檢的40倍,且安全可靠,滿足電力系統“智能化”需求[2]。目前,航拍絕緣子目標檢測方法主要分為圖像處理、機器學習[5]、和深度學習等。與前兩種方法相比,基于深度學習的輸電線路航拍絕緣子目標檢測方法具有精度高、速度快的優勢[6]。

基于深度學習的輸電線路航拍絕緣子目標檢測可分為單階段與雙階段檢測算法。單階段檢測算法目前包括SSD、YOLO系列等,由于此類方法采用端到端的思想來預測所有類別信息的置信度,因此在檢測速度上具有一定的優勢,但是單階段檢測算法模型主干網絡復雜度低,對于復雜的野外環境而言檢測精度欠佳。雙階段檢測算法主要包括RCNN[13]、Fast-RCNN[14]和Faster-RCNN等方法,相較于單階段檢測算法,此類算法模型參數量大、復雜度高,具有較高的檢測精度,故而在精度檢測要求高、速度檢測要求低的航拍絕緣子檢測任務中,雙階段檢測算法比較適用,而在雙階段檢測算法中Faster-RCNN的檢測效果最好。……