文献类型：期刊文章

作　　者：唐小煜[1] 黄进波[1] 冯洁文[1] 陈锡和[1]

TANG Xiaoyu;HUANG Jinbo;FENG Jiewen;CHEN Xihe(Guangdong Provincial Key Laboratory of Quantum Engineering and Quantum Materials∥Guangdong Provincial Engineering Technology Research Center for Optoelectronic Instrument∥National Demonstration Center for Experimental Physics Education∥School of Physics and Telecommunication Engineering,South China Normal University,Guangzhou 510006,China)

机构地区：[1]广东省量子调控工程与材料重点实验室∥广东省光电检测仪器工程技术研究中心∥物理国家级实验教学示范中心∥华南师范大学物理与电信工程学院,广州510006

出　　处：《华南师范大学学报（自然科学版）》

基　　金：国家自然科学基金项目(61371176);广州市高校创新创业教育项目(2019HD206)。

年　　份：2020

卷　　号：52

期　　号：6

起止页码：15-21

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、JST、MR、PROQUEST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：输电线路上绝缘子的完整性直接影响了输电的安全与可靠性.采用深度学习方法,对绝缘子图像识别提取和缺陷检测问题进行了研究.首先基于优化的U-net模型获取绝缘子区域掩模图像,实现对绝缘子串语义分割;然后基于YOLOv4模型获取缺陷绝缘子的位置,实现对自爆绝缘子目标的检测.为充分利用高分辨率图像的像素信息,提出“切分-识别-合成”的检测思路,精确分割出绝缘子以及判断并获取缺陷区域;最后设计了多组实验并进行对比,验证了模型的有效性.采用优化的U-net模型分割绝缘子的Dice系数达0.92;采用YOLOv4模型检测自爆绝缘子的识别精度达0.96,平均重叠度IOU达0.88.研究结果对实现电力系统运维的智能化具有较高的应用价值.

关 键 词：绝缘子 语义分割  目标检测 U-net  YOLOv4  

分 类 号：P407.8[大气科学类] TP75]