文献类型：期刊文章

作　　者：赵锐[1] 赵国伟[1] 张娟[1] 王强[1] 赵杰伦[2] 董红月[2] 张兴忠[2]

ZHAO Rui;ZHAO Guowei;ZHANG Juan;WANG Qiang;ZHAO Jielun;DONG Hongyue;ZHANG Xingzhong(State Grid Datong Power Supply Company,Datong,Shanxi 037008,China;College of Software,Taiyuan University of Technology,Jinzhong,Shanxi 030600,China)

机构地区：[1]国网大同供电公司,山西大同037008 [2]太原理工大学软件学院,山西晋中030600

出　　处：《计算机工程与应用》

基　　金：山西省重点研发计划(201803D31041);国家电网山西电力公司科技项目(5205B01800C4)。

年　　份：2021

卷　　号：57

期　　号：17

起止页码：246-252

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对通用深度学习目标检测技术难以在高压输变电线路巡检时实现实时高效的故障检测,提出一种改进CenterNet的高压输变电线路巡检故障实时检测方法,对绝缘子自爆、防震锤脱落、鸟巢三类常见巡检故障进行检测。该方法基于深层特征融合网络(DLAnet,Deep Layer Aggregation)、挤压-激励SE(Squeeze-and-Excitation)模块、可形变卷积进行高效深层特征提取网络DLA-SE的设计。在CenterNet架构下通过DLA-SE特征提取网络获取对象的中心点热力图,回归对象的宽高、偏移信息,得到对象边界框。实验结果表明,在Nvidia GTX 1080测试条件下该方法的mAP达到0.917,推理速度达到27.03 frame/s,与CenterNet、SSD与YOLOv3方法相比在检测精度上取得大幅度提升,证明了该方法的有效性。

关 键 词：CenterNet  深层特征融合  电力巡检  故障检测 实时检测

分 类 号：TP391.41]