【精彩论文】基于YOLOv2网络的绝缘子自动识别与缺陷诊断模型

Original 中国电力中国电力 2023-12-18

戳蓝字“中国电力期刊”关注我们哦！

赖秋频，杨军，谭本东

武汉大学

引文信息

赖秋频, 杨军, 谭本东, 等. 基于YOLOv2网络的绝缘子自动识别与缺陷诊断模型[J]. 中国电力, 2019, 52(7): 31-39.

LAI Qiupin, YANG Jun, TAN Bendong, et al. An automatic recognition and defect diagnosis model of transmission line insulator based on YOLOv2 network[J]. Electric Power, 2019, 52(7): 31-39.

研究背景

随着智能电网建设的日益推进，对输电线路巡检智能化的要求越来越高，使用基于图像识别技术的巡检机器人和无人机逐步替代烦琐的人工巡检和昂贵的直升机巡检已成为必然的趋势。绝缘子作为输电线路上最基本的部件之一，在户外风吹雨淋情况下极易出现破损，从而影响电网安全稳定运行。因此，研究基于图像识别技术的绝缘子自动识别与缺陷诊断模型对输电线路智能巡检具有重要意义。

图1 架空输电线路结构示意图

论文所解决的问题及意义

架空输电线路上部件众多、形状不定、背景多变，传统的图像识别方法由于依赖人工提取特征，存在工作量大和人工失误难以避免等缺点，因此难以适用于输电线路绝缘子自动识别与缺陷诊断。而基于候选区域的深度学习图像识别算法虽然解决了传统目标检测算法中区域选择策略无针对性、耗时多、鲁棒性弱等问题，但也存在模型训练产生的参数量大、计算耗时长、对硬件要求高、缺陷诊断效果不佳、检测速度远不能满足输电线路实时巡检要求等问题。在此背景下，提出了一种基于YOLOv2网络的输电线路绝缘子自动识别与缺陷诊断模型，能较好地从输电线路巡检图像中识别出绝缘子，并诊断出绝缘子是否破损以及缺陷位置，满足了智能巡检的要求。

图2 目标检测算法分类

图3 绝缘子自动识别与缺陷诊断

论文重点内容

提出了一种基于YOLOv2网络图像识别，结合边缘检测、直线检测、图像旋转和垂直投影的输电线路绝缘子自动识别与缺陷诊断模型。首先在输电线路巡检图像集中训练YOLOv2网络学习各种绝缘子特征，并完成绝缘子识别，接着通过边缘检测得到图像去噪声后待检绝缘子轮廓，然后运用直线检测技术确定待检绝缘子具体位置及斜率，之后进行图像旋转使待检绝缘子水平放置，最后对图像进行垂直投影找出待检绝缘子缺陷。

图4 输电线路绝缘子自动识别与缺陷诊断模型

研究结论

提出了一种基于YOLOv2网络的输电线路绝缘子自动识别与缺陷诊断模型，能够对输电线路在线巡检图像进行自动识别定位并完成缺陷诊断。YOLOv2网络具有较强的深度学习能力，充分平衡了识别准确率和速率，并且对于绝缘子角度扭曲和长短不一等情形具有较好的识别鲁棒性；结合边缘检测、直线检测、图像旋转和垂直投影的缺陷诊断技术具有较强的诊断鲁棒性，对于不同位置不同状态的输电线路绝缘子均具有较高的正确诊断率。

图5 绝缘子自动识别结果

图6 绝缘子缺陷诊断结果

主要作者介绍

第一作者：赖秋频（1995—），男，硕士研究生，从事电力系统图像处理与模式识别研究。

E-mail：laiqiupin@whu.edu.cn。

第二作者：杨军（1977—），男，通信作者，博士，教授，从事电力系统运行与控制、人工智能在电力系统中的应用、电动汽车等相关研究，主持国家自然科学基金3项以及国家电网公司、南方电网公司科技项目50余项，发表SCI/EI论文多篇。

E-mail：jyang@whu.edu.cn。

往期回顾

◀《中国电力》2020年第5期目录

◀【精彩论文】含电动汽车的配电网双重不确定性网架规划方法

◀【精彩论文】基于FPGA的电力巡线无人机硬件加密通信方法

◀【精彩论文】基于期望效用-熵的风电交易风险控制方法