基于FR-CNN算法的线路巡检元件故障识别仿真

摘要

由于传统故障识别方法的特征提取精度较低,得出的线路巡检元件故障识别的误差较大.于是提出基于FasterR-CNN算法的线路巡检元件故障识别方法.根据线路巡检元件的运行规律划分其状态,并设置相应的状态特征,作为元件故障识别的比对标准.利用巡检机器人内置的硬件设备,实时收集线路巡检图像,并通过压缩和透视畸变校正两个步骤,实现对巡检图像的预处理.构建FasterR-CNN网络模型,并利用该模型提取巡检元件图像特征,并针对防震锤、间隔棒和绝缘子等元件得出最终的故障识别结果.经过仿真测试得出结论,与传统识别方法相比,设计识别方法的mAP指标值提高了0.316,即识别精度有所提升,且识别耗时较短,具有一定的有效性.