【精彩论文】融合多维度特征的绝缘子状态边缘识别方法

观点凝练

摘要：针对传统的绝缘子状态识别方法存在实时性差、特征提取能力不足的问题，基于边缘计算的思想，提出了一种融合多维度特征的绝缘子状态边缘识别方法。利用云边协同和边边联邦协同的联合技术手段，构建了绝缘子状态的边缘识别框架。设计了一种融合多维度特征提取的深度学习网络，该网络采用ResNet101作为主干特征提取网络，使用Inception模块构建数据池化层，嵌入压缩激励模块和卷积注意力模块，从不同维度对特征进行高效提取。采用包括正常和缺陷2种状态的数据集进行绝缘子状态边缘识别实验，平均识别准确率达到了99%。实验表明了融合多维度特征的绝缘子状态边缘识别方法的有效性。
结论：针对目前绝缘子状态识别存在实时性差、识别准确率低的问题，本文提出一种融合多维度特征的绝缘子状态边缘识别方法，经实验验证后得到如下结论。

（1）通过搭建云边协同和边边联邦协同联合的绝缘子状态识别训练框架，将数据预处理、识别算法、模型更新过程在边缘节点完成，保证了状态识别的实时性。

（2）采用基于多模块融合的ResNet101网络模型对绝缘子图像进行状态识别，识别准确率为99.0%、精确率为99.7%、召回率为98.9%、特异度为0.993。

实验表明，本文提出的融合多维度特征的绝缘子状态边缘识别方法在性能上优于其他识别模型，能够从不同维度高效提取特征，具有较高的精确率与实时性，能够有效识别出电力巡检图像中故障的绝缘子。针对电网气象灾害，考虑复杂气象条件下绝缘子状态的多样性以及设计出更轻量的模型是未来研究的重点。

引文信息

黄冬梅, 王玥琦, 胡安铎, 等. 融合多维度特征的绝缘子状态边缘识别方法[J]. 中国电力, 2022, 55(1): 133-141.HUANG Dongmei, WANG Yueqi, HU Anduo, et al. An edge recognition method for insulator state based on multi-dimension feature fusion[J]. Electric Power, 2022, 55(1): 133-141.

欢迎点击文后“阅读原文”跳转期刊官网，获取更多信息！

 往期回顾 

◀

编辑：杨彪

校对：蒋东方

审核：方彤

声明

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。