基于串联 Faster R-CNN 的绝缘子自爆检测识别

来源：计算机技术与发展杂志2021年第12期北京时间：

作者：严波;任仰勋;方登洲;夏令志;陈江

单位：1. 国网安徽省电力有限公司,安徽 合肥 230601;2. 安徽大学 电子信息工程学院,安徽 合肥 230601;3. 安徽南瑞继远电网技术有限公司,安徽 合肥 230088

摘要：高压输电线路中绝缘子自爆造成的缺损会严重危害输电线路的安全运行。 针对无人机巡检过程中获取的图像光线明暗不定、背景复杂、小目标等因素导致的绝缘子检测难度大、自爆识别准确率低等问题,提出了一种基于串联 Faster R-CNN 网络的无人机图像中绝缘子检测和自爆识别的算法。 该算法分为两个阶段,分别串联使用深度学习中具有强大目标检测能力的 Faster R-CNN 网络实现对无人机高压输电线路图像中绝缘子自爆的检测和识别。 第一阶段使用 Faster R-CNN 网络检测出无人机高压输电线路图像中绝缘子,第二阶段使用 Faster R-CNN 网络对检测出的绝缘子图像进行自爆识别。 Faster R-CNN 网络的目标特征提取采用“ 特征金字塔网络” ( feature pyramid network, FPN) ,结合区域建议网络(region proposal network, RPN) 生成候选区域,提高了对绝缘子检测和自爆识别的性能。 通过对无人机图像进行绝缘子检测和常见自爆识别的实验,结果表明,相比于直接使用 Faster R-CNN 以及 SVM、VGG 等对绝缘子自爆进行检测和识别,该算法提高了绝缘子自爆检测和识别的精度。

关键词：无人机图像;绝缘子;检测;识别;Faster R-CNN