融合深度学习的无人机巡检绝缘子自爆检测研究

摘要

绝缘子自爆检测是无人机电力输电线路巡检的一项重要内容,准确、快速、自动寻找绝缘子自爆区域,能大量节省无人机巡检图像数据处理工作量,提高巡检的精度和效率.本文针对目前绝缘子自爆区域检测存在样本少、目标小且精度不高的问题,提出了一种融合深度学习的无人机巡检绝缘子自爆区域检测方法.该方法用大量绝缘子样本训练深度学习目标识别模型,在识别出绝缘子区域内利用计算机视觉方法对自爆区域进行检测.本文方法综合了深度学习检测复杂目标,以及计算机视觉无需大量样本且能够检测小目标的优点.实验表明:本文算法对缺陷的检测精度能够达到84.8％,对于绝缘子自爆检测具有积极的意义和应用价值.