文献类型：期刊文章

作　　者：王红星[1] 陈玉权[1] 张欣[1] 吴媚[1] 毛伟平[2] 李红斌[3]

Wang Hongxing;Chen Yuquan;Zhang Xin;Wu Mei;Mao Weiping;Li Hongbin(Jiangsu Fangtian Power Technology Co.,Ltd.,Nanjing 210000,China;School of Electronic Information and Communications,Huazhong University of Science and Technology,Wuhan 430074,China;School of Electrical and Electronics Engineering,Huazhong University of Science and Technology,Wuhan 430074,China)

机构地区：[1]江苏方天电力技术有限公司,南京210000 [2]华中科技大学电子信息与通信学院,武汉430074 [3]华中科技大学电气与电子工程学院,武汉430074

出　　处：《电测与仪表》

基　　金：国家自然科学基金资助项目(61876212)。

年　　份：2022

卷　　号：59

期　　号：3

起止页码：92-99

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：高压架空输电线路是沟通我国清洁能源中心与负荷中心的关键基础设施,保障其安全稳定运行对“双碳”目标按期达成至关重要。基于无人机巡检的电网输电线路缺陷检测具有很强的实用价值。由于缺陷种类众多,各类别分布不均衡而导致了长尾分布效应。文中介绍了一种基于离线高斯模型的缺陷检测方案,该方案通过离线高斯模型去增强Mask R-CNN中的分类器,从而提高分类器在“尾部”数据类别上的分类性能。其中离线高斯模型不需要额外训练,对数据分布具有鲁棒性。该方案简单有效且拓展性强,不需要额外的模型结构和超参数,可以直接在已有的检测、分割模型上使用,能够有效缓解数据类别长尾分布对分类器的影响。

关 键 词：碳中和  长尾分布  离线高斯模型  目标检测

分 类 号：TM755]