论文摘要
针对目前绝缘子运维过程存在着规程过于繁杂,过于依赖运维人员的人工识别等问题,文中提出了一种绝缘子状态评价方法,该方法采用历史绝缘子缺陷图像作为训练样本,通过迁移学习在小样本数据处理的优异性能实现基于深度卷积神经网络绝缘子的缺陷识别模型训练,并借助卷积神经网络的特征提取能力实现绝缘子缺陷量化评分,结合历史样本与专家经验实现考虑运行年限、外界环境等因素实现绝缘子综合状态评价。通过实例分析表明文中迁移学习模型训练后绝缘子缺陷识别准确率可达到90%以上,而采用全新学习在同样的样本条件下识别准确率仅为70%,且文中建立的评价模型在日常运维中能够更为灵敏地体现绝缘子的缺陷状态,说明文中评价方法具有相当可靠性,可为运维人员的日常维护安排提供经验。
论文目录
文章来源
类型: 期刊论文
作者: 罗建军,刘振声,龚翔,黄绍川,欧阳业,魏征
关键词: 无人机巡检,迁移学习,绝缘子,缺陷识别,状态评价
来源: 电力工程技术 2019年05期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 广东电网有限责任公司清远供电局,上海启亦电子科技有限公司,华中科技大学电气与电子工程学院
基金: 国家自然科学基金资助项目(51777082),广东电网有限责任公司科技项目(GDKJXM20173082)
分类号: TM216
页码: 30-36
总页数: 7
文件大小: 1848K
下载量: 109