基于Mask R-CNN和Yolov4的电力巡检绝缘子缺陷分析研究

简介：
本研究结合Mask R-CNN与Yolov4算法，旨在提升电力巡检中绝缘子缺陷检测的精度与效率，确保电网安全运行。 摘要输电线路是国家电力系统的重要组成部分，负责输送电能。架空输电线路长期受到雷击、风蚀、污秽、雨雪以及沉陷等各种外界环境的损害。目前传统的巡检方式仍依赖人工进行，而新型技术则采用无人机搭载高分辨率摄像机近距离拍摄线路及其关键部件来替代传统的人工巡检方法。其中，航拍图像中输电线路部件识别及缺陷检测是关键技术难点之一。 本段落提出一种基于 MaskR-CNN 技术提取绝缘子串珠的掩膜图像，并通过 Yolo-v3 和 Yolo-v4 对比实验进行特征提取和判断定位的方法来解决这一问题。具体步骤如下：首先，根据不同的绝缘子类型对图片类别进行划分并制作小目标数据集；然后使用 Mask R-CNN 作为基础构建深度学习算法模型，并以此为核心搭建了绝缘子串图像检测平台。 最后，在选取的数据集中用80%用于训练模型而剩余20%用来测试。通过极大值抑制算法得出最佳先验框（best_anchor）。将由模型生成的绝缘子掩模图与官方提供的标准模板进行比较，计算得到评价模型性能的Dice系数为 0.83。