机器视觉是提升电力物流自动化和智能化水平,实现降本增效的关键技术.针对电力物资绝缘子计数主要依赖人工导致的易出错、效率低和成本高等问题,使用一种基于Transformer的目标检测算法RT-DETR实现绝缘子自动识别和计数.该算法基于实时端到端Transformer检测模型,通过提取绝缘子图像的全局信息,加强信息表征能力,无需针对检测目标人工设计额外的算法模块,可满足电力物流场景下高实时性和高准确性的检测要求.针对深筐中绝缘子相互遮挡问题,通过裁剪增强对绝缘子数据集进行预处理,增加训练数据的多样性,提高模型对不同遮挡情况的泛化性,进一步提高算法在实际工况下的检测精度.实验结果表明,对深筐中的绝缘子进行检测,离线裁剪增强后的RT-DETR平均精确率达到95%,最佳置信度阈值下的计数平均绝对百分比误差仅为0.7%,单张图的平均推理速度为0.03 s,可以满足实际工业场景的检测要求.相比无裁剪增强,离线裁剪增强后的模型可以提高3.7%的平均精确率,有效提升绝缘子检测效率.
万方数据
维普
