电力科学与技术学报2023，Vol.38Issue(3) ：140-148.DOI:10.19781/j.issn.1673-9140.2023.03.015

基于改进Cascade R-CNN的绝缘子故障检测方法研究

Study of insulator fault detection algorithm based on improved Cascade R-CNN network

居来提·阿不力孜 刘玉龙 曹留 黄杰 张勇 朱彦卿
电力科学与技术学报2023，Vol.38Issue(3) ：140-148.DOI:10.19781/j.issn.1673-9140.2023.03.015
✕
  • 维普
  • 万方数据

基于改进Cascade R-CNN的绝缘子故障检测方法研究

Study of insulator fault detection algorithm based on improved Cascade R-CNN network

居来提·阿不力孜 1刘玉龙 1曹留 1黄杰 2张勇 2朱彦卿2
扫码查看

作者信息

  • 1. 国网新疆电力有限公司乌鲁木齐供电公司,新疆 乌鲁木齐 830000
  • 2. 湖南大学电气与信息工程学院,湖南 长沙 410082
  • 折叠

摘要

针对航拍图中存在的绝缘子故障位置在图像中占比小、背景环境复杂导致的故障检测准确率低的问题,提出一种基于改进Cascade R-CNN模型的绝缘子故障检测方法.在原有Cascade R-CNN模型的基础上,在骨干网络中引入可变形卷积学习几何变换能力,在检测器中引入平衡损失函数平衡难易样本.在模型训练阶段,使用Copy-Paste与Mosica丰富故障绝缘子样本,平衡正负样本.使用该模型对航拍绝缘子图片进行故障检测实验,改进损失函数的模型与传统Cascade R-CNN模型相比平均召回率提升0.38%,引入可变卷积后的Cascade R-CNN模型与Faster R-CNN模型,相比平均召回率,从原来的89.78%变成93.49%,结果表明该模型能够有效克服样本遮挡以及样本不平衡的干扰.

关键词

绝缘子/故障检测/改进Cascade/R-CNN/可变形卷积

Key words

insulator/fault detection/improved Cascade R-CNN/deformable convolution

引用本文复制引用

基金项目

国家电网有限公司科技项目(SGXJWL00SDJS2100845)

出版年

2023
电力科学与技术学报
长沙理工大学

电力科学与技术学报

CSTPCDCSCD北大核心
影响因子：0.85
ISSN：1673-9140
参考文献量11
段落导航相关论文