典型文献
基于无人机影像的电网绝缘子自爆识别
文献摘要：
电网因其在电能传输方面的关键性作用,在我国民生项目建设领域一直扮演着至关重要的角色.电网杆塔上的绝缘子一旦发生自爆(也称"缺陷"),绝缘子会自动剥落,输电线路就会产生安全隐患,严重时会降低输电线路的运行寿命,甚至会引发供电中断,发生大范围的停电事故,造成巨大的财产损失.目前,主流的巡检方法为人工巡检,该方法不仅耗时耗力,而且也存在一定主观出错率,已不适用于目前电路巡检的实际情况.本设计采用YOLO V5网络模型,对无人机航拍影像中绝缘子串及绝缘子自爆进行自动识别.首先通过平移、翻转、裁剪等,对航拍绝缘子影像数据集进行数据增广,并对增广后的数据集在LabelImg中进行标注,然后利用YOLO V5网络模型对绝缘子串及绝缘子自爆进行识别,最后采用PyQt5框架在PyCharm中设计了绝缘子自爆识别的系统界面,对模型进行调用,实现了绝缘子串及绝缘子自爆识别.本设计采用从网络上下载、国家电网提供、数据增广所得到的500张无人机航拍影像作为数据集,对所得数据集进行人工标注,再使用YOLO V5网络模型进行训练和测试,结果表明YOLO V5网络模型对绝缘子串具有较高的识别精度,最高识别精度为90.2％,对绝缘子自爆的最高检测精度为80.8％.这说明了YOLO V5网络模型在绝缘子串识别方面有较好的表现,但是由于训练集中绝缘子自爆的样本影像数量有限,所以该网络模型对绝缘子的自爆识别存在一定局限性,本实验能够部分代替人力实现电网绝缘子智能巡检,提高了检测效率.
文献关键词：
绝缘子自爆识别;YOLO V5;无人机影像;目标检测;深度学习
中图分类号：
作者姓名：
刘力锋
作者机构：
四川中兴能源有限公司,四川 成都 610051
文献出处：
引用格式：
[1]刘力锋-.基于无人机影像的电网绝缘子自爆识别)[J].数字通信世界,2022(01):38-40
A类：
绝缘子自爆识别,绝缘子串识别
B类：
无人机影像,电能传输,建设领域,杆塔,子会,剥落,输电线路,供电中断,停电事故,财产损失,检方,人工巡检,耗力,出错率,YOLO,V5,无人机航拍,航拍影像,自动识别,平移,裁剪,影像数据,数据增广,LabelImg,PyQt5,PyCharm,中设计,调用,下载,国家电网,得数,识别精度,最高检,检测精度,训练集,本影,别存,定局,替人,智能巡检,检测效率,目标检测
AB值：
0.21458
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
