深度学习在绝缘子红外图像异常诊断的应用

摘要

绝缘子的红外图像分析一般采用图像处理的方法,易受背景环境和数据量的影响,准确率和效率均较低,本文提出一种深度学习的异常诊断方法,基于改进的Faster R-CNN方法搭建检测网络,开展不同类型的绝缘子测试.研究结果表明:相对于神经网络(Back Propagation,BP)、Faster R-CNN方法,本文方法可高效地诊断出绝缘子的异常缺陷,平均检测精度达到90.2％;单I型和V型绝缘子的异常诊断准确率高于双I型绝缘子.研究结果可为输电线路绝缘子异常诊断提供一定的参考.