-
题名基于深度学习的无人机巡检图像销钉故障检测
被引量：14
- 1
-
-
作者
宁柏锋
-
机构
深圳供电局有限公司
-
出处
《计算机测量与控制》
2019年第11期25-29,共5页
-
基金
中国南方电网有限责任公司科技项目(090000KK52170124)
-
文摘
随着经济和社会的发展,发电量和用电量逐年上升;安全的电力保障关系到国计民生,在常年的使用过程中,由于电力传输的输电线路受到外界环境的影响,使得输电线路部件容易出现不同程度的破损,其中销钉是固定螺母的关键零件,销钉的脱落会导致各部件之间连接的不稳定,这给输电网络的安全运行带来了极大的隐患;随着深度学习技术在计算机视觉领域中的应用,使得机器自动识别销钉这一输电线路系统中的微小部件成为现实;采用Faster R-CNN算法对无人机巡检图像中的销钉脱落故障进行识别,并讨论了不同分类器对识别结果的影响,然后对ACF+Adaboost、Hough+LSD和Faster R-CNN检测方法进行比较;实验结果表明,基于Faster R-CNN的目标检测方法对于输电线路中销钉脱落故障的识别率可达到96%,同时对正常销钉的识别率最高可达98%。
-
关键词
输电线路
无人机巡检
销钉
故障检测
深度学习
-
Keywords
transmission line
patrol by UAV
gin
fault inspection
deop learning
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
