变电站巡检图像特征识别技术研究

摘要

目标检测的任务是对图像中的检测对象进行定位和分类,将其应用到电力巡检中减少了人力、时间的耗费,提高巡检工作的效率,对于保证电力系统运行的可靠性有重要意义.本文将FasterR-CNN 模型应用到开口销状态检测中,检测过程总体分为两个部分.第一部分是图像预处理部分,包括对原数据集进行加噪、锐化、阴影来扩充数据集,之后利用标注工具 Labelimage,对样本中的所有状态的开口销进行标注;第二部分是基于 FasterR-CNN 模型完成开口销的状态检测,同时采用 L2正则化优化FasterR-CNN 检测模型,减小过拟合的影响还一定程度解决梯度弥散和梯度爆炸的问题.实验环境采用 Tensorflow的深度学习框架,实现了对正常开口销、开口销未劈开、开口销单腿脱出、开口销缺失四种状态的定位与分类.