基于层级识别模型的输电线路杆塔小金具缺陷识别方法

摘要

针对输电线路无人机巡检图像分辨率越来越高,造成的小金具缺陷目标占比小、特征相似度高,进而导致缺陷发现率低和误报高的问题,文章提出一种基于层级识别模型的小金具缺陷识别方法。首先采用级联卷积神经网络(Cascade R-Convolutional Neural Networks,Cascade R-CNN)、更快速卷积神经网络(Faster R-Convolutional Neural Networks,Faster R-CNN)和RetinaNet、YOLOv3算法分别进行算法融合得到高精度的连接金具检测模型和高实时性的小金具识别模型;然后将二者组成层级识别模型,即先对输入图片检测连接金具,再对连接金具识别小金具缺陷。实验结果表明,与直接识别小金具的模型和层级模型中未使用模型融合策略的算法相比,该算法的小金具缺陷识别平均精度均值(mean Average Precision,mAP)和查全率均可达到最高值:0.762和0.826,算法有效性得到有效验证。