傳輸線中的絕緣子長時間暴露在自然環(huán)境中，會導致爆炸和損失，從而很容易影響整個傳輸線的安全性和壽命。鑒于此，本文提出了一種基于深度學習目標檢測算法的端到端隔離丟失檢測方法，該方法利用了深度卷積神經網(wǎng)絡的強大學習能力和大量的卷積神經網(wǎng)絡。當標記的樣本，以學習如何直接從無人機拍攝航空照片。測到絕緣，并自動區(qū)分完全絕緣和缺失絕緣。輸線中的絕緣是一種特殊的絕緣控制設備，通常是陶瓷或玻璃，它們可能在傳輸線中起關鍵作用，從而損害了傳輸線的安全性和使用壽命。個傳輸線[1]。國幅員遼闊，運輸線路常常需要穿越山脈和河流。了了解傳輸線的操作并解決傳輸線的潛在隱患，電力部門已逐步將無人駕駛線替換為無人機線[2，3]。用無人機檢查傳輸線不受地理和氣候等因素的影響，從而節(jié)省了大量的勞動力和物質資源。檢查過程中，無人機拍攝了大量照片，并且基于這些照片，絕緣檢測是一種相對較新的技術。些研究提出了一種改進的FCM算法，以分割絕緣子所在的區(qū)域，然后使用連接域標記算法標記每個絕緣子，然后有效地計算絕緣子的數(shù)量。關研究也提供了一些文獻。出了一種利用梯度信息定位絕緣子的方法。個隔離器的特性基于絕緣子的位置。后進行絕緣子的故障檢測。多尺度的基礎上，引入了多特征描述子來表示絕緣子。些特性，然后建立隔離器的視覺特性庫，通過匹配要檢測圖像的“粗細”特性的策略來消除背景噪聲，并最終確定絕緣子在其中的位置航空影像。前，大多數(shù)研究涉及手動設計特征，提取特征以及設計分類器以區(qū)分絕緣區(qū)域并確定位置。于YOLO深度學習目標檢測框架的當前深度和精度，本文直接從輸入圖像到檢測結果設計了一種缺失的端到端絕緣體方法。統(tǒng)的目標檢測算法通常分為兩個步驟：首先，提取一定數(shù)量的目標候選幀，具體的提取方法包括滑動窗口，選擇搜索等。次，按照一定的方法提取目標候選幀的圖像，對特征進行分類，確定目標候選幀中是否存在物體。YOLO算法將這兩個步驟合并為一個過程：由深度卷積神經網(wǎng)絡實現(xiàn)，由于沒有繁瑣的步驟（例如提取目標候選幀），因此提供了更快的處理速度。圖1a所示，首先將圖像劃分為SXS網(wǎng)格。果絕緣子的中心落入網(wǎng)格中，則是由網(wǎng)格來檢測絕緣。個柵格負責劃分框B的預測以及這些綁定框的置信度得分。置信度得分反映了模型對該網(wǎng)格的預測：如果網(wǎng)格包含絕緣體，則此選擇框架的坐標精度是多少。果此網(wǎng)格中沒有絕緣，則置信度得分為0，否則它必須是選擇框架和絕緣子定義框架的預測過結（IOU）。式。界框由值x，y，w，h4確定。標（x，y）表示預期邊界框的中心與網(wǎng)格邊界的相對值，坐標（w，h）表示預期邊界框的寬度和高度與網(wǎng)格邊界的比率。
　　個圖像的寬度和高度。圖1（b）所示，在預測邊界框時，每個網(wǎng)格還必須提供三個條件類別概率。就是說，對于每個網(wǎng)格，分別預測屬于背景，電纜完全絕緣和缺失絕緣的概率。

　　
　　網(wǎng)格包含絕緣時，預測其屬于完全絕緣或缺少絕緣的可能性必須最大，并且，電纜如果網(wǎng)格不包含絕緣，則應為最大。能的。圖1（b）中，深灰色網(wǎng)格表示預測屬于丟失的絕緣，淺灰色網(wǎng)格表示預測屬于完全絕緣，黑色網(wǎng)格表示背景。Darknet-19網(wǎng)絡用于卷積神經網(wǎng)絡的主要模型。VGG網(wǎng)絡類似，該網(wǎng)絡主要使用3×3卷積內核，并在合并后將通道數(shù)擴展一個。時，網(wǎng)絡采用NIN（網(wǎng)絡中的網(wǎng)絡，NIN）的思想，使用3到3個卷積之間的卷積核（1×1）來壓縮特征圖。于處理，網(wǎng)絡前面的卷積層保持不變，并且提取圖像的特征。
　　修改全連接層的最后一層，并根據(jù)卷積層提取的圖像的特征預測圖像中絕緣體的位置。果類別概率值丟失。度學習算法通常需要大量注釋數(shù)據(jù)來形成模型，這使設備可以學習更好的參數(shù)以適合輸入到輸出映射。
　　此基礎上，我們手動選擇了約700架無人機航拍照片作為訓練數(shù)據(jù)集。驗結果的例子在圖2中給出。2.螺紋，塔架等是完整的絕緣子，并且在框上標記以指示缺少的絕緣子。果表明，基于YOLO的絕緣檢測算法可以準確地檢測無人機無人機照片中的絕緣子，并區(qū)分完整的絕緣子和缺失的絕緣子。1列出了100架無人機的航拍照片的實驗結果。計結果表明，本文的方法在保持高精度檢測的同時，僅需要0.69 s每個圖像實現(xiàn)更快的速度。

　　誤檢測的主要原因是學習數(shù)據(jù)集中的照片數(shù)量不足。前，僅719張照片用于訓練，其中許多照片是同一絕緣體。
　　些因素意味著該模型沒有足夠的泛化能力。緣損耗檢測的準確性和速度與輸電線路運行的穩(wěn)定性有關，提出了一種基于YOLO的航空航拍隔離器檢測算法有效和準確地識別航空照片上的完整隔離器。缺少絕緣子，可以滿足工程應用的要求。

　　
　　本文轉載自
　　電纜 http://www.nxzc.com.cn