文献类型：期刊文章

作　　者：宋立业[1] 刘帅[1] 王凯[2] 杨金丹[1]

Song Liye;Liu Shuai;Wang Kai;Yang Jindan(College of Electrical and Control Engineering Liaoning Technical University,Huludao 125000 China;Huludao Power Supply Company of State Grid Liaoning Electric Power Company Limited,Huludao 125000 China)

机构地区：[1]辽宁工程技术大学电气与控制工程学院,葫芦岛125000 [2]国网辽宁省电力有限公司葫芦岛供电公司,葫芦岛125000

出　　处：《电工技术学报》

基　　金：辽宁省教育厅科学技术研究创新团队项目(LT2019007);辽宁省重点研发计划指导计划项目(2019JH8/10100050);2019年辽宁省高等学校国(境)外培养项目(2019GJWZD002)资助。

年　　份：2022

卷　　号：37

期　　号：9

起止页码：2241-2251

语　　种：中文

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

摘　　要：针对现有的无人机电力巡检中的目标检测算法小目标识别精度低、检测的元件及缺陷类型较为单一、检测速度和精度无法同时满足的问题,提出一种改进的EfficientDet目标检测算法,该算法应用于无人机电力巡检图像的数据挖掘,对高压输电线路上的绝缘子、防震锤、均压环、屏蔽环、鸟巢同时进行目标检测及缺陷定位。首先通过Imgaug数据增强库对现有的1468张国家电网某检修公司标准化无人机巡检数据集进行数据增强;然后在加强特征提取网络双向特征金字塔网络(BiFPN)特征融合时融入小一级尺度的特征层,提高了小目标检测能力,对主干特征提取网络EfficientNet的倒残差模块进行改进,引入坐标注意力机制(CA)提高了主干特征提取效率;最后进行对比训练实验,改进EfficientDet算法在元件检测及缺陷定位测试集上平均均值精度达到90.2%,较原始EfficientDet算法提高8.6%,亦优于其他先进目标检测算法,同时元件检测速率达到23.4f/s,缺陷定位达到17.2f/s,证明了该文方法可以满足电力巡检中准确性和快速性的要求。

关 键 词：电力巡检  EfficientDet  元件检测 缺陷定位  数据增强  

分 类 号：TM755]