基于深度卷积网络的高铁接触网绝缘子缺陷智能识别方法

摘要

文章提出一种基于深度学习技术的高铁接触网绝缘子缺陷智能识别方法.首先利用EfficientNet-B3网络对绝缘子状态进行初步判别,再使用YOLO-V5模型实现绝缘子缺陷信息精确检测.同时,构建了正常、缺损、闪络3种状态,共计3000张图像的绝缘子样本集.实验表明,文章方法对绝缘子状态初步识别的准确率为93.1％,召回率为91.2％.在绝缘子缺陷精确检测环节,针对缺损、闪络识别的准确率分别为93.7％、92.3％,召回率分别为92.3％、87.5％.文章方法有效地提高了高铁接触网中的绝缘子缺陷(缺损、闪络)智能识别的准确率,对于进一步研发高铁接触网绝缘子表面缺陷智能巡检系统具有重要意义.