基于改進FasterRCNN的配網架空線路異常狀態檢測
王超洋; 樊紹勝; 劉錚; 李彬; 張巍 電力機器人湖南省重點實驗室長沙理工大學; 長沙410114; 國網湖南省電力有限公司長沙供電分公司; 長沙410002
關鍵詞：架空線路異常狀態智能檢測 fpn神經網絡 fasterrcnn神經網絡 高低特征共享
摘要：隨著無人機巡線技術的不斷發展,現已廣泛運用在輸電線路運維工作中,但仍需由人工判斷線路異常狀態類型,檢測準確率極易受環境影響,現有智能檢測技術檢測速度慢、檢測手段單一。針對提高異常狀態智能檢測效率問題,提出基于融合FPN結構的FasterRCNN深度學習在線異常狀態檢測系統。首先采用ResNet50卷積神經網絡對原圖逐層進行特征提取,得到最高層特征圖;再對該特征圖使用反池化法進行上采樣得到多張低特征圖,并將原各層特征圖與新各層特征圖對應融合;最后將融合后的全部特征圖輸入RPN層進行二分類與邊框回歸,經過ROIpooling層后得到異常點檢測結果。經過對配網設備及異常狀態檢測數據集的檢測驗證,所提出的網絡結構對比原FasterRCNN網絡,不僅具有更高的識別正確率,且可以有效識別變壓器等小目標物體。
電力學報雜志要求:
{1}引言應說明研究的目的、意義、主要方法、范圍和背景等。
{2}編輯部對來稿有刪改權。不同意刪改的稿件請在稿件中聲明，編輯部保留對不同意刪改稿件進行撤換的權力。
{3}首頁內容依次為：標題、作者姓名、工作單位、摘要、關鍵詞、作者簡介、通信地址、郵編、聯系電話及電子郵件地址。
{4}第一作者（通訊作者）簡介按姓名（出生年一），性別，職稱／學位，研究方向要求寫出，通訊作者同時提供E-mail和長期有效的聯系電話。
{5}文稿中使用的名詞術語、符號、計量單位要前后一致，符合國家有關標準（SI單位）。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
