基于巡检机器人和Cascade RCNN算法的变压器外观缺陷识别方法

摘要

本发明公开了基于巡检机器人和Cascade RCNN算法的变压器外观缺陷识别方法，属于图像识别领域，包括以下步骤：S1：图像采集，通过电站中的运维人员和工程师采用照相机、手持终端、摄像头等工具对变压器的外观缺陷情况进行图像采集，S2：制作图像本集，根据变压器的采集图像和标注xml文件，按照一定比例随机划分出训练集和测试集，分别用于训练模型和验证模型精确度，S3：利用训练集数据训练Cascade RCNN模型，S4：将模型部署到巡检机器人集控平台上，由高清摄像机采集变压器设备的外观图像，用于巡检变压器区域内设备的外观状态。本发明验证了基于变电站巡检机器人和深度学习技术在识别变压器设备外观类缺陷的可行性，推动人工智能技术在变电站的落地应用。