基于深度学习的绝缘子故障巡检算法研究

摘要：

针对输电线路中出现的绝缘子损坏问题,构建基于深度学习的目标控制模型,采用Faster R-CNN算法对无人机巡检中拍摄图像(简称巡检图像)进行分析和识别,以有效提高输电线路的可靠性和无人机的巡检效率.对样本集的500张图像进行识别与检测应用发现:采用无人机进行输电线路巡检并基于深度学习算法进行绝缘子故障图像识别时,缺陷绝缘子的识别准确率为92.0％,正常绝缘子的识别准确率可达97.8％.

关键词：四旋翼无人机应用;深度学习;绝缘子;故障检测

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

资助基金：河南省骨干教师培养计划项目;河南省高等学校重点科研项目;郑州经贸学院骨干教师项目;郑州经贸学院科研项目

在线出版日期：2021-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：45-49