基于注意力机制及滑窗检测的电网散断股识别算法

摘要

输电线路长期工作在室外环境,各种部件容易出现不同程度的破损,密切关系着电网的安全运作.随着深度学习技术在计算机视觉领域的发展应用,利用无人机巡检完成输电线路缺陷识别已成为行业热点.针对导地线散断股缺陷识别率低的问题,提出基于注意力机制及滑窗检测的散断股识别算法,通过提升输入图像的质量,以提高目标检测模型的训练效果.经实验验证,检出率较之权重迭代等其他算法平均提升3.4％,误检率平均降低3.6％.