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

電力桿塔常年暴露在自然環(huán)境復(fù)雜惡劣的野外，易受山體滑坡、冰雪覆蓋、地震、臺風(fēng)等自然災(zāi)害影響，導(dǎo)致桿塔塔基不穩(wěn)、塔身傾斜，影響電能正常傳輸，甚至造成經(jīng)濟損失。因此，快速、有效地檢測電力桿塔的傾斜異常，不僅是電力線路運行維護的重要環(huán)節(jié)，也是保障電力安全傳輸?shù)幕A(chǔ)。

近年來，隨著無人機巡線技術(shù)的普及，電力運維部門開始通過無人機搭載各類傳感裝置對電力桿塔等目標物體進行信息采集和檢測，產(chǎn)生了大量以圖像和視頻為主的航拍數(shù)據(jù)，但仍普遍存在“重數(shù)據(jù)采集、輕數(shù)據(jù)分析”的問題。隨著人工智能技術(shù)的發(fā)展，無人機巡檢圖像的智能化分析處理正逐步成為取代人工判斷、提升電網(wǎng)運維水平的重要手段。

但是，無人機電力線路巡檢拍攝的桿塔圖像背景復(fù)雜且正負樣本極不均衡，嚴重影響了電力桿塔異常檢測的準確性。為提高復(fù)雜背景下無人機電力桿塔巡檢圖像異常檢測的精度，東南大學(xué)電氣工程學(xué)院、東南大學(xué)-蒙納士大學(xué)蘇州聯(lián)合研究生院（東南大學(xué)）的研究人員仲林林、胡霞、劉柯妤，在2022年第9期《電工技術(shù)學(xué)報》上撰文，提出一種基于壓縮激活改進的快速異常檢測生成對抗網(wǎng)絡(luò)（SE-f-AnoGAN）模型，用于無人機電力桿塔巡檢圖像的異常檢測。

圖 SE-f-AnoGAN模型結(jié)構(gòu)

研究人員首先在f-AnoGAN編碼器中引入壓縮激活網(wǎng)絡(luò)（SENet），提取圖像中的顯著性信息。然后，將生成對抗網(wǎng)絡(luò)的無監(jiān)督學(xué)習(xí)和二分類器的有監(jiān)督學(xué)習(xí)有機結(jié)合，實現(xiàn)前者特征提取優(yōu)勢和后者判別優(yōu)勢的互補。在此基礎(chǔ)上，借助基于遷移學(xué)習(xí)的優(yōu)化訓(xùn)練策略進一步有效提升模型在大規(guī)模數(shù)據(jù)集上的泛化性能。

他們指出，將基于通道注意力的SENet引入原始f-AnoGAN網(wǎng)絡(luò)的編碼器中，提取可見光圖片的顯著性信息，降低背景噪聲干擾，從而使得網(wǎng)絡(luò)能夠聚焦桿塔檢測，能夠有效提取桿塔特征，解決了無人機巡檢桿塔圖像樣本少且類別不均衡的問題。

另外，在f-AnoGAN無監(jiān)督模型提取正常樣本特征的基礎(chǔ)上，研究人員引入基于監(jiān)督學(xué)習(xí)的二分類器判別桿塔是否正常，結(jié)合無監(jiān)督學(xué)習(xí)的特征提取優(yōu)勢和監(jiān)督學(xué)習(xí)的判別優(yōu)勢，彌補判別器檢測效果不佳的缺點，從而提高了模型在小樣本數(shù)據(jù)集上的異常檢測能力。

此外，在改進的生成對抗網(wǎng)絡(luò)基礎(chǔ)上，他們通過借助基于遷移學(xué)習(xí)的優(yōu)化訓(xùn)練策略，微調(diào)二分類器中預(yù)訓(xùn)練模型參數(shù)，進一步有效提升了模型在大規(guī)模數(shù)據(jù)集上的泛化能力和魯棒性。

研究人員最后表示，通過消融實驗和不同評判指標逐步驗證了SE-f-AnoGAN在無人機電力桿塔異常檢測中的可行性和有效性。實驗測試表明，本模型的AUC值和AP值分別達到0.991 4和0.988 5，總體樣本的檢測準確率為95.74%，正、負樣本的召回率分別達到96.05%和95.36%，證明了SE-f-AnoGAN在異常檢測中的有效性。

本文編自2022年第9期《電工技術(shù)學(xué)報》，論文標題為“基于改進生成對抗網(wǎng)絡(luò)的無人機電力桿塔巡檢圖像異常檢測”。本課題得到了江蘇省科協(xié)青年科技人才托舉工程、東南大學(xué)“至善青年學(xué)者”支持計劃和中央高?；究蒲袠I(yè)務(wù)費專項資金資助項目的支持。