摘要
随着社会的不断发展，人们对电力资源的需求日益增长，为了应对这种情况，必须尽快推动智能化电网的建设。在电网设备中，架空输电线路起着至关重要的作用，因此对其进行智能化巡检是电网智能化的重要组成部分。由于架空输电线路往往铺设在自然环境恶劣、人烟稀少的地区，传统的人工巡检方式存在人力成本高、危险性大等问题。因此，本文构建了基于航拍图像的绝缘子数据集，并结合以深度学习理论为基础的目标检测算法，提出了一种在复杂背景下的绝缘子检测及故障诊断算法。具体的研究成果如下： 1.提出了一种基于邻域信息交互的任意角度航拍绝缘子检测方法。航拍图像中绝缘子空间方向多变且其自身具有大长宽比，传统的水平框检测方法会引入大量背景信息，从而不利于进一步在绝缘子上进行故障诊断。为此，本文首先在绝缘子检测算法框架中引入目标边界框的角度预测分支，使网络可以更精准的检测绝缘子。角度预测分支的引入，对网络的特征表达能力提出了更高的要求，因此本文提出一种基于邻域信息交互的空间通道融合注意力机制。该机制通过将空间中任意位置与其邻域信息进行交互，建模绝缘子空间关系并抑制复杂的背景信息，以增强特征提取网络对绝缘子特征的表达能力，提高检测精度。通过在航拍绝缘子图像构建的数据集上进行实验，结果表明，相对于主流的注意力机制，该方法在参数量更少的前提下，较大地提高了绝缘子检测精度。 2.提出了一种基于特征优化融合的绝缘子缺陷检测方法。针对航拍绝缘子缺陷部位目标尺寸较小，深层网络绝缘子缺陷特征信息丢失的问题，提出了一种基于特征优化融合的绝缘子缺陷检测方法，该方法设计了基于空间信息优化融合模块和语义信息优化融合模块的特征融合机制。该机制在特征融合之前先对特征提取网络层的特征信息进行优化筛选，然后将优化后的特征信息融合到解码器部分的特征信息中，使网络更好的识别并定位绝缘子缺陷，大大提高了绝缘子缺陷的检测精度。
NETL