一种基于数据增强增广和神经网络的输电导线及其缺陷检测方法

摘要

基于来自云南电网呼马山试验基地及前人的少量、低分辨率输电导线样本,使用超分辨率算法,提出了基于动态背景和随机变换的离线数据增广算法,生成了7000张清晰的输电导线数据集,解决了数据多样性中的随机位置、随机角度、随机尺寸和随机背景等问题。同时,改进了YOLOv5目标检测算法,实现了输电导线、散股和断股的实时、鲁棒检测,平均F1分数达94.7%。提出的超分辨率和数据增广方法可以广泛应用于各领域的低分辨率图像、小样本数据集,所提出的输电导线及其缺陷检测算法能应用于输电线路巡检领域,使巡检更加高效和智能。