当前位置： 防御器材 >> 防御器材介绍 >> 华北电力大学律方成教授团队在高压设备识别
华夏电工技艺学会运动专区
CESConference
浏览提醒：本文约字
基于无人机和巡检机械人搭载的多光谱成像探测是高压设施非来往探测的进展趋向，而紧要电气设施的鉴识是其绝缘形态智能诊断的基本。新动力电力系统国度要点实习室（华北电力大学）、河北省输变电设施平安抗御要点实习室（华北电力大学）的钻研人员律方成、牛雷雷、王胜辉、谢庆、王子豪，在年第22期《电工技艺学报》上撰文，基于YOLOv4，搭建了五种紧要电气设施鉴识平台，提议了网络的改革法子，并对其调参法子停止了钻研。钻研成效可用于多光谱成像电气设施运转形态的现场诊断。
绝缘子、金具等是电网输变电设施的紧要构成部份，准时把持其绝缘水准和运转形态对电力系统的平安褂讪运转相当紧要。方今电网紧要采取的人为巡检方法耗时吃力，且无奈准时所有地把持紧要电气设施的外绝缘形态。基于无人机和巡检机械人搭载的看来光、紫外和红外图象消息是高压设施热、电参量非来往探测的紧要方法和进展趋向，而绝缘子等紧要电气设施的鉴识是对其停止归纳诊断以完成其绝缘形态判其它基本。完成绝缘子等高压设施图象鉴识思绪紧要有机械研习方法和深度研习方法。前者紧要针对电气设施的形态和纹理特色停止打算，长处为针对性强、特色具备可表明性，毛病为探测鲁棒性差，对目方向拍照角度等请求较高；后者通过卷积算法主动索取方针笼统化特色，完成端到端图象鉴识，其鉴识精度高，泛化才略好，鉴识速率快，但对模范需要量大，可表明性差。跟着无人机和机械人巡检方法的推行，现场将形成大批高压设施探测视频和图片，基于此，华北电力大学律方成传授团队在本次钻研中采取了深度研习方法。深度研习的观点是在由G.E.Hinton等年提议的非监视贪婪逐层锻炼算法的基本上，合并了卷积谋略、神经网络框架、下采样和主动索取及般配网络特色的端到端有监视研习框架。罕用的深度研习框架囊括以LeNet，FasterR-CNN（Region-ConvolutionNeuralNetwork），SSD（SingleShotMultiBoxDetector）和YOLO（YouOnlyLookOnce）为代表的深度卷积神经网络及以是非期印象网络（LongShort-TermMemory,LSTM），GRU（GatedRecurrentUnit）为代表的轮回卷积神经网络等。深度研习在电气范围的运用钻研紧要囊括：①操纵电力系统运转数据完成其调换猜测、调换把持、褂讪性评估；②操纵谋略机视觉、布局化和非布局化文本，完成电力系统和电气设施形态猜测、弊病鉴识与障碍诊断、当然言语管教。对图象鉴识紧要采取深度卷积神经网络。比拟于FasterR-CNN，YOLO在年由美国华盛顿大学提议。同属图象鉴识state-of-art探测框架，YOLO采取无候选地区的典范和坐标one-stage探测思绪，具备较高的鉴识精确度和更高的鉴识速率，可完成对无人机和机械人巡检形成的图象的准时、完全鉴识。其在电力系统的运用钻研方面，相关文件紧要基于YOLOv3或更早版本，对于网络参数对锻炼过错和鉴识精确度的影响的钻研较少。为了对外绝缘设施的绝缘形态停止智能诊断，华北电力大学律方成传授团队对YOLOv4网络框架停止了钻研，确立了绝缘子、均压环、防振锤、套管和导线锻炼和测试数据库，钻研了数据扩大算法、锚框及其聚类核心对其锻炼和鉴识功用的影响。
图1Onestage探测过程
图2YOLOv4网络框架
紧要钻研劳动囊括：采取表征锻炼过错、鉴识精确度和锻炼速率的系统功用评估编制，解析了YOLOv4探测框架及网络框架，钻研并改革了Mosaic数据扩大算法，钻研了交并比（IntersectionoverUnion,IoU）算法对不同标准探测目方向边境框猜测有用性，以及自建数据库的宽高数据标注值聚类对探测成果及其评估参数的影响，优化了YOLOv4的网络，提议基于IoU和鉴识精确度的网络调参法子。
图3锻炼集数据库
图4优化后网络的鉴识成果
本项钻研成效紧要有：1）基于YOLOv4，对数据扩大算法停止了改革，优化后的网络锻炼过错由1.低沉到了0.，鉴识精确度抬高到84.3%；2）钻研并解析了CIoU和GIoU法子在锻炼和鉴识大方针和小方针中的是非势，对均压环和防振锤等相对较小方针采取了GIoU的优化法子，使其平衡鉴识精确率抬高了3%；3）提议了基于自建数据库鉴识典范和label宽高数据的聚类思绪，通过优化后的网络鉴识精确度抬高了0.8%，锻炼过错减小了3%。钻研团队示意，通过优化和参数调优，较好地完成了紧要电气设施的鉴识，本项成效可用于基于无人机和巡检机械人搭载的多光谱成像探测。本文编自年第22期《电工技艺学报》，论文题目为“基于优化YOLOv4的紧要电气设施智能探测及调参战术”，做家为律方成、牛雷雷等。下载论文PDF版，