文献类型：期刊文章

作　　者：徐建军[1] 黄立达[1] 闫丽梅[1] 伊娜[1]

Xu Jianjun;Huang Lida;Yan Limei;Yi Na(School of Electrical Engineering and Information Northeast Petroleum University,Daqing,163318,China)

机构地区：[1]东北石油大学电气信息工程学院,大庆163318

出　　处：《电工技术学报》

基　　金：国家自然科学基金(51774088);黑龙江省自然科学基金(LH2019E016)资助项目。

年　　份：2021

卷　　号：36

期　　号：7

起止页码：1407-1415

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：绝缘子是电力线路中重要且使用广泛的器件,随着近年来无人机巡线的迅速普及,从航拍图像中检测绝缘子自爆缺陷成为热点问题。在航拍图像中,自爆绝缘子与正常绝缘子的区分难度相对更大,该文提出一种基于层次多任务深度学习的绝缘子自爆缺陷检测模型,使用专用的卷积神经网络区分自爆绝缘子和正常绝缘子,并结合多任务学习和特征融合方法提高分类准确率。同时,针对缺乏自爆类数据的问题,提出制作合成图像的数据增强方法。实验结果表明,添加合成图像能有效提高自爆类召回率;层次多任务学习模型与平面分类模型及普通层次模型相比具有更强的分类能力。

关 键 词：绝缘子 多任务学习 缺陷检测  深度学习  层次分类  

分 类 号：TP216]