文献类型：期刊文章

作　　者：戴永东[1] 王茂飞[1] 唐达獒[1] 毛锋[1] 仲坚[1] 倪莎[2]

DAI Yongdong;WANG Maofei;TANG Daao;MAO Feng;ZHONG Jian;NI Sha(Taizhou Electric Power Company of State Grid,Taizhou 225300,China;Allcorehatress(Beijing)Technology Co.,Ltd.,Beijing 100089,China)

机构地区：[1]国网泰州供电公司,江苏泰州225300 [2]众芯汉创(北京)科技有限公司,北京100089

出　　处：《电力科学与技术学报》

基　　金：国网江苏省电力有限公司科技项目(5500-202018082A-0-0-00)。

年　　份：2021

卷　　号：36

期　　号：5

起止页码：201-210

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、IC、JST、PROQUEST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：卷积神经网络算法被广泛应用于输电线路自动巡检领域,但传统卷积神经网络电力缺陷识别模型的泛化能力较差。为此,提出一种融合双角度图像信息的卷积神经网络检测算法(CVR-RCNN),其利用2个视角可见光图像识别输电线路的常见缺陷。经实验测试,CVR-RCNN模型具有良好的鲁棒性,受试者工作特性(ROC)曲线下面积(AUC)值高达0.927,缺陷检测准确度较传统算法有显著提高。因此,CVR-RCNN能明显改善电力缺陷检测效果,可为无人机自动巡检输电线路提高准确稳定的算法架构。

关 键 词：无人机巡检  输电线路缺陷  深度学习  卷积神经网络

分 类 号：TM712]