其他
【精彩论文】基于Mask R-CNN的复合绝缘子过热缺陷检测
观点凝练
摘要：针对当前基于复合绝缘子红外图的过热缺陷检测技术中存在的工作量大、智能化程度低，以及传统的图像分割方法在复杂背景下分割不精确且泛化性能差的问题，提出了一种基于实例分割网络Mask R-CNN的复合绝缘子过热缺陷检测方法。首先，该方法为提高分割精度，借鉴Cascade R-CNN的思路对Mask R-CNN网络进行改进，并在模型训练中使用数据增强、迁移学习等方法提升网络表现。接着，该方法对深度分割网络得到的结果使用传统图像处理的骨架化等方法做进一步优化，使得最终的分割结果只覆盖复合绝缘子芯棒部分。最后，该方法直接读取红外图中自带的温度数据并转换成实际的温度值，根据DL/T664—2016《带电设备红外诊断应用规范》中的相关方法与标准实现对过热缺陷的等级判断。研究结果表明，该文提出的算法对出现严重缺陷及紧急缺陷的复合绝缘子红外图检测准确率较高，都是100%，而无过热缺陷或者一般缺陷的红外图会出现误检现象，总体上在测试集的缺陷检测中取得了93%的准确率。
结论：本文提出了一种基于改进Mask R-CNN的复合绝缘子实例分割方法，主要得出以下结论。
（1）借鉴Cascade R-CNN的思想对原始Mask R-CNN网络进行了改进，提高了分割的精确度。
（2）与以往基于传统图像处理的分割方法相比，分割准确率以及语义性大大提高，不再需要太复杂的后续处理工作，且泛化性强，可以应用于背景复杂的红外图分割。
（3）输电线路中所获取红外图温度的方法是将红外图导入到红外摄像仪配套的软件中，而本文直接从红外图中提取出温度数据，直接且快速。
（4）该算法对复合绝缘子的过热检测过程是“端到端”的，即只要将红外图输入便可以获取检测结果，中间不需要任何的人工干预，大大提高了检测的效率和智能化水平。
因此本文的算法对复合绝缘子的过热缺陷检测技术具有一定参考价值，然而算法仍然存在不足，对于无过热缺陷和一般过热缺陷的红外图偶尔会出现误检的情况，今后会在进一步提高分割的精确度方面改善算法，增强算法在不同场景下的鲁棒性。
引文信息
高熠, 田联房, 杜启亮. 基于Mask R-CNN的复合绝缘子过热缺陷检测[J]. 中国电力, 2021, 54(1): 135-141.GAO Yi, TIAN Lianfang, DU Qiliang. Overheating defect detection of composite insulator based on mask r-cnn[J]. Electric Power, 2021, 54(1): 135-141.往期回顾
审核：方彤
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。