随着电力系统规模的不断扩增,为保障输电线路安全运行,及时检测自爆绝缘子,避免电网发生大规模停电成为电网智能化发展过程中一项重要任务。机器学习相关目标检测模型依据人工设计的特征检测器实现输电线路相关器件的缺陷定位,主观性较强,定位结果的准确率偏低,并且模型耗时长,增加了检测成本。
兰州交通大学自动化与电气工程学院的苟军年、杜愫愫等在2023年第1期《电工技术学报》上撰文,基于双阶段目标检测模型Mask R-CNN结构进行相关改进,提出了基于深度学习的输电线路自爆绝缘子检测算法,以提高复杂电力场景下绝缘子自爆缺陷检测准确率,最后,通过消融实验与对比实验的结果,验证了改进模块的有效性。
本团队长期致力于CT图像重建、机器图像视觉检测的研究与应用,结合深度学习相关理论及技术,在电力输电线路及其相关金具的定位与缺陷检测、电气化铁路接触网绝缘子的定位及破损检测与铁路轨道异物入侵检测开展了基础研究。
引用本文
苟军年, 杜愫愫, 刘力. 基于改进掩膜区域卷积神经网络的输电线路绝缘子自爆检测[J]. 电工技术学报, 2023, 38(1): 47-59. Gou Junnian, Du Susu, Liu Li. Transmission Line Insulator Self-Explosion Detection Based on Improved Mask Region-Convolutional Neural Network. Transactions of China Electrotechnical Society, 2023, 38(1): 47-59.
联系客服