基于无人机图像与迁移学习的线路绝缘子状态评价方法

关键词：无人机巡检 迁移学习 绝缘子 缺陷识别 状态评价 

摘要：针对目前绝缘子运维过程存在着规程过于繁杂,过于依赖运维人员的人工识别等问题,文中提出了一种绝缘子状态评价方法,该方法采用历史绝缘子缺陷图像作为训练样本,通过迁移学习在小样本数据处理的优异性能实现基于深度卷积神经网络绝缘子的缺陷识别模型训练,并借助卷积神经网络的特征提取能力实现绝缘子缺陷量化评分,结合历史样本与专家经验实现考虑运行年限、外界环境等因素实现绝缘子综合状态评价。通过实例分析表明文中迁移学习模型训练后绝缘子缺陷识别准确率可达到90%以上,而采用全新学习在同样的样本条件下识别准确率仅为70%,且文中建立的评价模型在日常运维中能够更为灵敏地体现绝缘子的缺陷状态,说明文中评价方法具有相当可靠性,可为运维人员的日常维护安排提供经验。

电力工程技术杂志要求:

{1}文中一级标题、二级标题、三级标题、四级标题的序号用“一、……”“（一）……”“1．……”“（1）……”标示。

{2}确保投稿无一稿两投、不涉及保密及署名无争议等事项，若因保密原因不便公开的内容，应向编辑部说明。

{3}来稿力求做到富有思想性，观点新颖、概念准确、论证严谨、逻辑清晰、资料翔实、格式规范、文字精炼。

{4}参考文献：本刊要求所有参考文献按照在文中出现的先后顺序做实引，在引用处用上角标的形式标注，如“[1]”、“[2]”等。

{5}引用他人著作应依次标明作者、书名、出版社、出版时间、页码。第一版的著作无须注明版次。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社