基于深度学习的绝缘子故障检测研究

来源：电子测量技术杂志2023年第8期北京时间：

作者：张彦生，王成龙，刘远红

单位：东北石油大学电气信息工程学院 大庆 163318

摘要：绝缘子是架空线路中重要组成部分之一，当出现故障时，影响电网安全运行。为实现绝缘子故障快速、精准的识别，提出了一种基于改进YOLOv3-Tiny的绝缘子故障检测方法。首先，为了增强小目标检测能力，对浅层特征图与第二检测层之前特征图进行同维拼接构建第三预测层。随后，该网络采用Ghost模块替换主干网络中的卷积层，降低模型的参数量。然后，设计了一个新的注意力模块MECA，不仅能够多尺度信息融合，还能使网络专注绝缘子的显著特征。最后，提出了新的交并比EIoU作为边框回归损失函数，更好的定位目标位置。实验结果表明，改进的YOLOv3-Tiny在绝缘子故障检测中平均准确率（MAP）高达96.1%，较原始YOLOv3-Tiny算法MAP提高了17%。

关键词：深度学习;卷积神经网络;YOLOv3-Tiny;绝缘子故障识别