文献类型：期刊文章

作　　者：颜宏文[1] 陈金鑫[1]

YAN Hongwen;CHEN Jinxin(School of Computer&Communication Engineering,Changsha University of Science&Technology,Changsha 410114,China)

机构地区：[1]长沙理工大学计算机与通信工程学院,长沙410114

出　　处：《高电压技术》

基　　金：国家自然科学基金(51407013).

年　　份：2020

卷　　号：46

期　　号：2

起止页码：423-432

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了对高压输电线路的绝缘子串航拍图像进行精确快速的定位与状态识别,提出了一种基于改进YOLOv3的绝缘子串诊断方法。在自主建立航拍绝缘子串数据库的基础上,针对数据集样本存在的复杂度不均衡和类别不均衡现象,采用Focal Loss函数和均衡交叉熵函数改进YOLOv3算法的损失函数;然后,对原网络在COCO数据集上训练的卷积层过滤器进行可视化分析,选择冻结层并采用多阶段迁移学习策略来训练网络。在Python环境下训练并测试实例,结果表明:改进的损失函数可优化网络训练的损失值,提升算法精确度;多阶段迁移学习策略在提高算法精确度的同时,能有效应对数据集小而易过拟合问题;所提方法可端对端实现绝缘子串的定位与状态识别,且诊断精确度达到0.918。研究结果证明所提方法具有较高的精确性和实时性。

关 键 词：绝缘子串 状态识别  YOLOv3  损失函数 迁移学习  高压输电线路

分 类 号：TM216[材料类]