利用改进RCNN卷积核的复合绝缘子缺陷识别方法

文档摘要：变电站复合绝缘子缺陷的检测仍然依赖于运行人员的巡检,巡检工作量大,易因视觉疲劳导致漏检.为减少计算资源消耗和缩短训练时间,通过重新组织卷积核改进了区域卷积神经网络(RCNN),提出了一种针对绝缘子裂纹形状特征的检测方法.该方法满足在训练样本数据不足的前提下,也能得到较好的卷积神经网络(CNN)训练效果,最终实现准确的裂纹识别.训练阶段采用RGB三通道分解方法,扩充训练数据集;利用中值滤波方法去除噪声;采用改进后的卷积核训练CNN.试验阶段将图片进行RGB三通道分解,并输入CNN得到确切的裂纹中心坐标、长度;采用非极大值抑制(NMS)算法去重,得到最终的裂纹识别结果.通过实例分析表明,在训练样本不足前提下,所提方法依然能达到较好的识别准确率,并能准确识别出裂纹的具体位置.

Abstract：Thedetectionofcompositeinsulatordefectsinsubstationsstillreliesoninspectionbyoperators,whichisaheavyworkloadandpronetoleakageduetovisualfatigue.Toreducethecomputationalresourceconsumptionandshortenthetrainingtime,theregionconvolutionalneuralnetworks(RCNN)wasimprovedbyreorganizingtheconvolutionkernel,andadetectionmethodwasproposedforinsulatorcrackshapefeatures.Themethodcanmeetthepremiseofinsufficienttrainingsampledata,butalsocangetbetterconvolutionalneuralnetworks(CNN)trainingeffect,andfinallyachieveaccuratecrackrecognition.Inthetrainingphase,theRGBthree-channeldecompositionmethodwasusedtoexpandthetrainingdataset,themedianfilteringmethodwasusedtoremovethenoise,theimprovedconvolutionalkernelwasusedtotraintheCNN.Inthetestphase,theimagesweredecomposedbyRGBthree-channeldecompositionandinputtoCNNtogettheexactcrackcentercoordinatesandlength.Thenon-maximumsuppression(NMS)algorithmwasusedtode-weighttheimagestogetthefinalcrackrecognitionresults.Theexampleanalysisshowsthattheproposemethodcanstillachievegoodrecognitionaccuracy,andaccuratelyidentifythespecificlocationofcracksunderthepremiseofinsufficienttrainingsamples.

作者：李新海  罗其锋  曾庆祝  曾新雄  闫超Author：LIXinhai  LUOQifeng  ZENGQingzhu  ZENGXinxiong  YANChao
作者单位：广东电网有限责任公司中山供电局,广东中山528401
刊名：电气传动 ISTIC
Journal：ElectricDrive
年，卷(期)：2024, 54(6)
分类号：TP183
关键词：绝缘子裂纹检测  卷积核  图像处理  区域卷积神经网络  RGB三通道滤波  
Keywords：insulatordefectidentification  convolutionalkernel  imageprocessing  regionconvolutionalneuralnetworks(RCNN)  RGBthree-channelfiltering  
机标分类号：TP391.41TN957.51TG115.28
在线出版日期：2024年6月25日
基金项目：广东电网有限责任公司科技项目利用改进RCNN卷积核的复合绝缘子缺陷识别方法[
期刊论文]  电气传动--2024, 54(6)李新海  罗其锋  曾庆祝  曾新雄  闫超变电站复合绝缘子缺陷的检测仍然依赖于运行人员的巡检,巡检工作量大,易因视觉疲劳导致漏检.为减少计算资源消耗和缩短训练时间,通过重新组织卷积核改进了区域卷积神经网络(RCNN),提出了一种针对绝缘子裂纹形状特征的检...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

关键词：绝缘子裂纹检测,卷积核,图像处理,区域卷积神经网络,RGB三通道滤波,

2024-10-4 01:23 上传 利用改进RCNN卷积核的复合绝缘子缺陷识别方法.pdf

文件大小:

2.32 MB

下载次数:

60

高速下载