其他
【精彩论文】基于DBSCAN-FPN的输电线路螺栓缺销检测方法
观点凝练
摘要：螺栓作为输电线路上数量最大的紧固件，其缺陷检测是输电线路巡检工作中的一项重要内容。针对螺栓缺销为小目标，其定位困难、特征难提取的问题，提出一种基于DBSCAN算法与FPN模型相结合的螺栓缺销检测方法。首先，利用FPN模型定位螺栓缺销目标区域，同时基于DBSCAN聚类算法对具有相同形态结构的区域进行聚类；然后，改进FPN模型：基于螺栓先验知识，利用卷积网络实现自底向上的特征提取，采用双线性插值方法将特征的高层语义信息自顶向下地传递到各个层级，通过卷积滤波方法横向加强高层语义特征与高分辨率特征的融合信息，获得更优化的螺栓缺销特征表达；利用改进FPN模型实现螺栓缺销的初步检测；最后，采用DBSCAN聚类算法对初步检测结果进行误检甄别，实现了螺栓缺销的精确检测。实验结果表明，DBSCAN-FPN在自建数据集上的检测精度达到76.23%，检测效果优于FPN、R-FCN和Faster R-CNN。所提方法可以有效提高螺栓缺销检测精度，对输电线路运维有实际意义。
结论：针对螺栓缺销的检测问题，经研究得出如下结论。
（1）改进FPN网络。通过引入螺栓目标分辨率先验知识对FPN模型进行改进，合理利用特征金字塔层级资源，实现了螺栓图像特征的有效提取与融合。
（2）DBSCAN聚类算法的应用。通过对具有相似结构的螺栓目标区域的聚类，有利于模型取得更好的训练效果，对正常螺栓、缺销螺栓检测结果进行聚类甄别，以提升方法整体的检测效果。
（3）DBSCAN-FPN检测方法。方法可以很好地缓解输电线路巡检过程中螺栓缺销为小目标，其定位困难、特征难提取的问题。实验表明DBSCAN-FPN检测方法具备多尺度检测能力，检测准确率高等优点，对无人机巡线时检测螺栓状况的解决方案有着非常重要的参考价值。
后续模型研究的重点要解决两方面问题：一是提高DBSCAN与FPN方法之间衔接的融洽性，解决数据转变的不一致性问题；二是解决DBSCAN在对FPN结果甄别过程中，筛选出了错误结果的同时，也一定程度上带来错误结果的问题。有监督的深度学习网络，对螺栓目标的检测有着很好的检测效果，但数据制约着模型的泛化性，针对这个问题，半监督或无监督的深度学习方法，将成为有效的解决途径。随着输电线路智能巡检研究的不断深入，无监督的、更轻量的神经网络算法模型将适用于移动设备的智能巡检。
引文信息
赵振兵, 张帅, 蒋炜, 等. 基于DBSCAN-FPN的输电线路螺栓缺销检测方法[J]. 中国电力, 2021, 54(3): 45-54.ZHAO Zhenbing, ZHANG Shuai, JIANG Wei, et al. Detection method for bolts with mission pins on transmission lines based on dbscan-fpn[J]. Electric Power, 2021, 54(3): 45-54.往期回顾
编辑：于静茹校对：许晓艳审核：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。