傳輸線中的絕緣子長時(shí)間暴露在自然環(huán)境中，會(huì)導(dǎo)致爆炸和損失，從而很容易影響整個(gè)傳輸線的安全性和壽命。鑒于此，本文提出了一種基于深度學(xué)習(xí)目標(biāo)檢測(cè)算法的端到端隔離丟失檢測(cè)方法，該方法利用了深度卷積神經(jīng)網(wǎng)絡(luò)的強(qiáng)大學(xué)習(xí)能力和大量的卷積神經(jīng)網(wǎng)絡(luò)。當(dāng)標(biāo)記的樣本，以學(xué)習(xí)如何直接從無人機(jī)拍攝航空照片。測(cè)到絕緣，并自動(dòng)區(qū)分完全絕緣和缺失絕緣。輸線中的絕緣是一種特殊的絕緣控制設(shè)備，通常是陶瓷或玻璃，它們可能在傳輸線中起關(guān)鍵作用，從而損害了傳輸線的安全性和使用壽命。個(gè)傳輸線[1]。國幅員遼闊，運(yùn)輸線路常常需要穿越山脈和河流。了了解傳輸線的操作并解決傳輸線的潛在隱患，電力部門已逐步將無人駕駛線替換為無人機(jī)線[2，3]。用無人機(jī)檢查傳輸線不受地理和氣候等因素的影響，從而節(jié)省了大量的勞動(dòng)力和物質(zhì)資源。檢查過程中，無人機(jī)拍攝了大量照片，并且基于這些照片，絕緣檢測(cè)是一種相對(duì)較新的技術(shù)。些研究提出了一種改進(jìn)的FCM算法，以分割絕緣子所在的區(qū)域，然后使用連接域標(biāo)記算法標(biāo)記每個(gè)絕緣子，然后有效地計(jì)算絕緣子的數(shù)量。關(guān)研究也提供了一些文獻(xiàn)。出了一種利用梯度信息定位絕緣子的方法。個(gè)隔離器的特性基于絕緣子的位置。后進(jìn)行絕緣子的故障檢測(cè)。多尺度的基礎(chǔ)上，引入了多特征描述子來表示絕緣子。些特性，然后建立隔離器的視覺特性庫，通過匹配要檢測(cè)圖像的“粗細(xì)”特性的策略來消除背景噪聲，并最終確定絕緣子在其中的位置航空影像。前，大多數(shù)研究涉及手動(dòng)設(shè)計(jì)特征，提取特征以及設(shè)計(jì)分類器以區(qū)分絕緣區(qū)域并確定位置。于YOLO深度學(xué)習(xí)目標(biāo)檢測(cè)框架的當(dāng)前深度和精度，本文直接從輸入圖像到檢測(cè)結(jié)果設(shè)計(jì)了一種缺失的端到端絕緣體方法。統(tǒng)的目標(biāo)檢測(cè)算法通常分為兩個(gè)步驟：首先，提取一定數(shù)量的目標(biāo)候選幀，具體的提取方法包括滑動(dòng)窗口，選擇搜索等。次，按照一定的方法提取目標(biāo)候選幀的圖像，對(duì)特征進(jìn)行分類，確定目標(biāo)候選幀中是否存在物體。YOLO算法將這兩個(gè)步驟合并為一個(gè)過程：由深度卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)，由于沒有繁瑣的步驟（例如提取目標(biāo)候選幀），因此提供了更快的處理速度。圖1a所示，首先將圖像劃分為SXS網(wǎng)格。果絕緣子的中心落入網(wǎng)格中，則是由網(wǎng)格來檢測(cè)絕緣。個(gè)柵格負(fù)責(zé)劃分框B的預(yù)測(cè)以及這些綁定框的置信度得分。置信度得分反映了模型對(duì)該網(wǎng)格的預(yù)測(cè)：如果網(wǎng)格包含絕緣體，則此選擇框架的坐標(biāo)精度是多少。果此網(wǎng)格中沒有絕緣，則置信度得分為0，否則它必須是選擇框架和絕緣子定義框架的預(yù)測(cè)過結(jié)（IOU）。式。界框由值x，y，w，h4確定。標(biāo)（x，y）表示預(yù)期邊界框的中心與網(wǎng)格邊界的相對(duì)值，坐標(biāo)（w，h）表示預(yù)期邊界框的寬度和高度與網(wǎng)格邊界的比率。
　　個(gè)圖像的寬度和高度。圖1（b）所示，在預(yù)測(cè)邊界框時(shí)，每個(gè)網(wǎng)格還必須提供三個(gè)條件類別概率。就是說，對(duì)于每個(gè)網(wǎng)格，分別預(yù)測(cè)屬于背景，電纜完全絕緣和缺失絕緣的概率。

　　
　　網(wǎng)格包含絕緣時(shí)，預(yù)測(cè)其屬于完全絕緣或缺少絕緣的可能性必須最大，并且，電纜如果網(wǎng)格不包含絕緣，則應(yīng)為最大。能的。圖1（b）中，深灰色網(wǎng)格表示預(yù)測(cè)屬于丟失的絕緣，淺灰色網(wǎng)格表示預(yù)測(cè)屬于完全絕緣，黑色網(wǎng)格表示背景。Darknet-19網(wǎng)絡(luò)用于卷積神經(jīng)網(wǎng)絡(luò)的主要模型。VGG網(wǎng)絡(luò)類似，該網(wǎng)絡(luò)主要使用3×3卷積內(nèi)核，并在合并后將通道數(shù)擴(kuò)展一個(gè)。時(shí)，網(wǎng)絡(luò)采用NIN（網(wǎng)絡(luò)中的網(wǎng)絡(luò)，NIN）的思想，使用3到3個(gè)卷積之間的卷積核（1×1）來壓縮特征圖。于處理，網(wǎng)絡(luò)前面的卷積層保持不變，并且提取圖像的特征。
　　修改全連接層的最后一層，并根據(jù)卷積層提取的圖像的特征預(yù)測(cè)圖像中絕緣體的位置。果類別概率值丟失。度學(xué)習(xí)算法通常需要大量注釋數(shù)據(jù)來形成模型，這使設(shè)備可以學(xué)習(xí)更好的參數(shù)以適合輸入到輸出映射。
　　此基礎(chǔ)上，我們手動(dòng)選擇了約700架無人機(jī)航拍照片作為訓(xùn)練數(shù)據(jù)集。驗(yàn)結(jié)果的例子在圖2中給出。2.螺紋，塔架等是完整的絕緣子，并且在框上標(biāo)記以指示缺少的絕緣子。果表明，基于YOLO的絕緣檢測(cè)算法可以準(zhǔn)確地檢測(cè)無人機(jī)無人機(jī)照片中的絕緣子，并區(qū)分完整的絕緣子和缺失的絕緣子。1列出了100架無人機(jī)的航拍照片的實(shí)驗(yàn)結(jié)果。計(jì)結(jié)果表明，本文的方法在保持高精度檢測(cè)的同時(shí)，僅需要0.69 s每個(gè)圖像實(shí)現(xiàn)更快的速度。

　　誤檢測(cè)的主要原因是學(xué)習(xí)數(shù)據(jù)集中的照片數(shù)量不足。前，僅719張照片用于訓(xùn)練，其中許多照片是同一絕緣體。
　　些因素意味著該模型沒有足夠的泛化能力。緣損耗檢測(cè)的準(zhǔn)確性和速度與輸電線路運(yùn)行的穩(wěn)定性有關(guān)，提出了一種基于YOLO的航空航拍隔離器檢測(cè)算法有效和準(zhǔn)確地識(shí)別航空照片上的完整隔離器。缺少絕緣子，可以滿足工程應(yīng)用的要求。

　　
　　本文轉(zhuǎn)載自
　　電纜 http://www.ktio.cn