久久88香港三级台湾三级中文-久久91-久久91精品国产91久-久久91精品国产91久久-久久91精品国产91久久户

  • 頭條東北石油大學(xué)科研人員應(yīng)用深度學(xué)習(xí)技術(shù)檢測(cè)絕緣子自爆缺陷
    2021-10-29 作者:徐建軍 黃立達(dá) 等  |  來(lái)源:《電工技術(shù)學(xué)報(bào)》  |  點(diǎn)擊率:
    分享到:
    導(dǎo)語(yǔ)絕緣子是電力線路中重要且使用廣泛的器件,隨著近年來(lái)無(wú)人機(jī)巡線的迅速普及,從航拍圖像中檢測(cè)絕緣子自爆缺陷成為熱點(diǎn)問(wèn)題。在航拍圖像中,自爆絕緣子與正常絕緣子的區(qū)分難度相對(duì)更大,東北石油大學(xué)電氣信息工程學(xué)院的研究人員徐建軍、黃立達(dá)、閆麗梅、伊娜,在2021年第7期《電工技術(shù)學(xué)報(bào)》上撰文,提出一種基于層次多任務(wù)深度學(xué)習(xí)的絕緣子自爆缺陷檢測(cè)模型,使用專用的卷積神經(jīng)網(wǎng)絡(luò)區(qū)分自爆絕緣子和正常絕緣子,并結(jié)合多任務(wù)學(xué)習(xí)和特征融合方法提高分類準(zhǔn)確率。同時(shí),針對(duì)缺乏自爆類數(shù)據(jù)的問(wèn)題,提出制作合成圖像的數(shù)據(jù)增強(qiáng)方法。 實(shí)驗(yàn)結(jié)果表明,添加合成圖像能有效提高自爆類召回率;層次多任務(wù)學(xué)習(xí)模型與平面分類模型及普通層次模型相比具有更強(qiáng)的分類能力。

    絕緣子是輸電線路重要的組成部分,架空線通過(guò)絕緣子實(shí)現(xiàn)對(duì)桿塔和大地的絕緣。絕緣子在過(guò)電壓作用下會(huì)出現(xiàn)閃絡(luò),是故障多發(fā)元件,傳統(tǒng)的巡線方式是人工巡線,可用熱紅外成像技術(shù)方法檢測(cè)缺陷。由于無(wú)人機(jī)巡線具有更高效、更安全等優(yōu)勢(shì),近年來(lái)無(wú)人機(jī)巡線迅速發(fā)展,利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)拍攝的絕緣子航拍圖進(jìn)行分析成為研究的熱點(diǎn)問(wèn)題。

    傳統(tǒng)的絕緣子自爆缺陷檢測(cè)算法主要先利用圖像分割技術(shù)從航拍圖中分割出絕緣子串,得到絕緣子的輪廓特征,再按照人工設(shè)計(jì)的特征判斷是否存在缺陷,其中Otsu方法等技術(shù)得到了充分應(yīng)用和發(fā)展。然而航拍得到的圖像的背景多為桿塔、農(nóng)田、山巒等復(fù)雜場(chǎng)景,且不同環(huán)境條件下得到的圖像差異較大。傳統(tǒng)圖像處理方法應(yīng)用于航拍圖像時(shí),難以獲得滿足算法要求的分割結(jié)果,造成準(zhǔn)確率低的問(wèn)題。

    神經(jīng)網(wǎng)絡(luò)已被應(yīng)用于多個(gè)領(lǐng)域,在圖像領(lǐng)域中卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)能夠?qū)崿F(xiàn)端到端的學(xué)習(xí),且得到的特征相比于傳統(tǒng)的人工設(shè)計(jì)的特征具有更強(qiáng)的泛化性,已有國(guó)內(nèi)外學(xué)者將深度學(xué)習(xí)方法應(yīng)用于絕緣子自爆缺陷檢測(cè)。應(yīng)用于絕緣子自爆檢測(cè)的深度學(xué)習(xí)方法按處理步驟可分為兩種:?jiǎn)坞A段方法和雙階段方法。單階段方法直接在航拍圖上進(jìn)行自爆缺陷檢測(cè);雙階段方法則先得到絕緣子串所在區(qū)域,再對(duì)絕緣子串區(qū)域進(jìn)行進(jìn)一步處理。

    單階段方法采用的算法可分為兩種,一種是采用區(qū)域提名或回歸分類的目標(biāo)檢測(cè)算法直接對(duì)自爆缺陷進(jìn)行檢測(cè)。然而自爆缺陷在航拍圖像中所占比例較小,屬于小目標(biāo)檢測(cè),由于目標(biāo)檢測(cè)算法中多次使用下采樣,在多次下采樣后自爆缺陷區(qū)域的特征圖變得很小,丟失圖像特征,因而采用目標(biāo)檢測(cè)算法的單階段方法準(zhǔn)確率較低。第二種是先由滑動(dòng)窗口對(duì)航拍圖片進(jìn)行裁剪,再對(duì)裁剪得到的圖片塊進(jìn)行分類。

    雙階段方法在檢測(cè)絕緣子串所在區(qū)域時(shí)所用方法多為目標(biāo)檢測(cè)算法;在檢測(cè)自爆缺陷時(shí)或使用目標(biāo)檢測(cè)算法進(jìn)行檢測(cè),或使用滑動(dòng)窗口裁剪絕緣子串區(qū)域后再對(duì)得到的圖片塊進(jìn)行分類。但是,雙階段方法中非級(jí)聯(lián)網(wǎng)絡(luò)需要訓(xùn)練多個(gè)網(wǎng)絡(luò)以分別實(shí)現(xiàn)絕緣子串定位和自爆缺陷檢測(cè),加大了模型的訓(xùn)練難度;級(jí)聯(lián)網(wǎng)絡(luò)由于需要實(shí)現(xiàn)兩個(gè)功能,參數(shù)量和需要的計(jì)算量都較大,對(duì)硬件要求較高。

    基于上述分析,東北石油大學(xué)電氣信息工程學(xué)院的研究人員選擇對(duì)由滑動(dòng)窗口裁剪后得到的圖片塊進(jìn)行分類的方法,用一個(gè)網(wǎng)絡(luò)實(shí)現(xiàn)絕緣子自爆缺陷檢測(cè)。考慮到無(wú)人機(jī)在航拍過(guò)程中易受天氣等因素干擾導(dǎo)致圖像模糊,影響圖像的質(zhì)量和信息,造成檢測(cè)算法漏檢,研究人員在實(shí)現(xiàn)自爆缺陷檢測(cè)的同時(shí)實(shí)現(xiàn)對(duì)模糊圖像的識(shí)別。

    東北石油大學(xué)科研人員應(yīng)用深度學(xué)習(xí)技術(shù)檢測(cè)絕緣子自爆缺陷

    圖1 對(duì)正常絕緣子圖像進(jìn)行圖像處理

    東北石油大學(xué)科研人員應(yīng)用深度學(xué)習(xí)技術(shù)檢測(cè)絕緣子自爆缺陷

    圖2 雙串仿真絕緣子

    相對(duì)于背景,自爆絕緣子與正常絕緣子的區(qū)分難度更大,研究人員提出一種基于層次多任務(wù)深度學(xué)習(xí)的絕緣子自爆缺陷檢測(cè)模型,使用專用的卷積神經(jīng)網(wǎng)絡(luò)區(qū)分自爆絕緣子和正常絕緣子,提高分類準(zhǔn)確率。針對(duì)層次分類中的路徑錯(cuò)誤問(wèn)題,研究人員將層次分類模型與多任務(wù)學(xué)習(xí)算法相結(jié)合以增加粗粒度類別分類準(zhǔn)確率,從而減少路徑錯(cuò)誤問(wèn)題。

    此外,由于目前沒(méi)有標(biāo)準(zhǔn)的自爆絕緣子數(shù)據(jù)集,而航拍圖片中存在自爆缺陷的絕緣子數(shù)量、形態(tài)有限,導(dǎo)致卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到的自爆缺陷特征不足。卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到的特征決定了模型的性能,若學(xué)習(xí)到的特征不足將導(dǎo)致模型泛化能力弱,發(fā)生過(guò)擬合問(wèn)題,因此需要對(duì)自爆絕緣子類別進(jìn)行數(shù)據(jù)增強(qiáng)。

    傳統(tǒng)的數(shù)據(jù)增強(qiáng)方法主要是翻轉(zhuǎn)、隨機(jī)裁剪、亮度變換等。在此基礎(chǔ)上,有學(xué)者提出了使用3D軟件進(jìn)行正常絕緣子建模的方法,但背景純凈的絕緣子圖片失去了絕緣子航拍圖像的背景復(fù)雜的特點(diǎn)。有學(xué)者提出運(yùn)用U-Net將破損絕緣子串分割出來(lái),再與復(fù)雜背景圖融合的方法進(jìn)行數(shù)據(jù)增強(qiáng),然而只是更換了背景和進(jìn)行旋轉(zhuǎn),自爆缺陷特征并未有效增加,并且由于圖像分割的精度有限,絕緣子圖像周圍存在背景的殘余像素。

    研究人員結(jié)合兩種方法,提出將仿真自爆缺陷絕緣子與復(fù)雜背景融合得到合成圖片以實(shí)現(xiàn)數(shù)據(jù)增強(qiáng)。

    東北石油大學(xué)科研人員應(yīng)用深度學(xué)習(xí)技術(shù)檢測(cè)絕緣子自爆缺陷

    圖3 制作合成航拍圖過(guò)程

    東北石油大學(xué)科研人員應(yīng)用深度學(xué)習(xí)技術(shù)檢測(cè)絕緣子自爆缺陷

    圖4 真實(shí)絕緣子圖像與合成絕緣子圖像

    研究人員針對(duì)層次分類模型中的路徑錯(cuò)誤問(wèn)題,在層次分類模型中引入多任務(wù)學(xué)習(xí),減少路徑錯(cuò)誤。實(shí)驗(yàn)結(jié)果顯示,合成數(shù)據(jù)實(shí)現(xiàn)了數(shù)據(jù)增強(qiáng),有效地防止了網(wǎng)絡(luò)出現(xiàn)過(guò)擬合問(wèn)題;選擇合適的權(quán)重綜合任務(wù)2和任務(wù)3的結(jié)果后減少了路徑錯(cuò)誤;層次多任務(wù)學(xué)習(xí)模型的自爆絕緣子分類召回率達(dá)到97.21%,F(xiàn)1分值達(dá)到0.9831,相比于平面分類模型和普通層次模型更高,說(shuō)明采用層次多任務(wù)模型的特征學(xué)習(xí)能力更強(qiáng)。

    研究人員表示,下一步將收集覆冰絕緣子等其他絕緣子缺陷類型圖像,實(shí)現(xiàn)對(duì)各種絕緣子缺陷的有效檢測(cè)。

    本文編自《電工技術(shù)學(xué)報(bào)》,作者為徐建軍、黃立達(dá)、閆麗梅、伊娜,論文標(biāo)題為“基于層次多任務(wù)深度學(xué)習(xí)的絕緣子自爆缺陷檢測(cè)”。

主站蜘蛛池模板: 欧美爱爱视频网站 | 精品夜夜春夜夜爽久久 | 中日韩视频在线观看 | 精品综合一区二区三区 | 夜色成人影院在线www | 五月四房婷婷 | 久久久免费视频观看 | 日本xxxxx成年视频软件 | 亚洲精品欧美精品一区二区 | 在线观看免费网址大全 | 在线一级黄色片 | 国产在线干 | 成人精品视频 | 日韩高清免费在线观看 | 99热国产这里只有精品9九 | 欧美aaaaa一级毛片在线 | 国产福利视频一区二区 | 国产成人免费网站在线观看 | 亚洲一区二区三区高清视频 | 在线欧美国产 | 欧美桃色| 日本护士a做爰免费观看 | 国产a级免费 | 久久精品成人一区二区三区 | 久久久99视频 | 57pao国产成视频一永久免费 | 性做久久久久久久久男女 | 亚洲三级一区 | 精品综合久久久久久97超人该 | 一级美国片免费看 | 国产一区二区三区在线看片 | 久久精品国产线看观看亚洲 | 国产美女色视频 | 国产一级特黄老妇女大片免费 | 曰本一级毛片免费播放 | 日韩精品久久不卡中文字幕 | 免费又爽又黄的禁片1000部 | 国产精品男人的天堂 | 黄短视频在线观看免费版 | 亚洲国产三级在线观看 | 一级做a爰片性色毛片黄书 一级做a爰片性色毛片新版的 |