基于FasterR-CNN的复合绝缘子憎水性分析研究

基于FasterR-CNN的复合绝缘子憎水性分析研究

作者：张德钦[1];刘晓伟[2];刘源[1];江振钰[1];夏鹏[1];

作者机构：[1]广西电网有限责任公司北海供电局,广西北海536000;[2]武汉大学,湖北武汉430072;[1]广西电网有限责任公司北海供电局,广西北海536000;[1]广西电网有限责任公司北海供电局,广西北海536000;[1]广西电网有限责任公司北海供电局,广西北海536000;

来源：智慧电力

ISSN：2096-4145

年：2019

卷：047

期：004

页码：P.104-109

页数：7

中图分类：TM852

正文语种：CHI

关键词：憎水性检测;深度学习;FasterR-CNN神经网络;无人机

摘要：定期对复合绝缘子的憎水性进行检查,及时更换严重老化的复合绝缘子,是保障电网安全稳定运行的关键。为实现无人机图像拍摄后复合绝缘子憎水性的准确判别,提出一种基于候选区域的快速卷积神经网络绝缘子憎水性分析方法,利用训练得到的FasterR-CNN深度神经网络模型精确定位复杂背景中的复合绝缘子伞裙,通过位置修正提取其中水迹信息区域,最后送入图像分类卷积神经网络完成憎水性等级的判定。测试结果表明,该方法在无人工参与的情况下,能在复杂背景图像中准确定位复合绝缘子伞裙水迹区域,憎水性等级判定结果达到了较高的准确率。