基于深度卷積神經(jīng)網(wǎng)絡(luò)的絕緣子故障檢測(cè)算法研究.pdf

1、作為輸電線路中最常見、容易發(fā)生故障的元器件之一，絕緣子在輸電線路中起著重要作用。及時(shí)發(fā)現(xiàn)故障絕緣子，對(duì)于維護(hù)輸電線路的安全運(yùn)行具有重大意義。無(wú)人機(jī)代替人工巡檢已成為電力線路巡檢的趨勢(shì)，從航拍絕緣子圖像的大數(shù)據(jù)中自動(dòng)識(shí)別絕緣子故障是一項(xiàng)前沿交叉課題。本文首先分析了航拍絕緣子圖像的特點(diǎn)，指出了該圖像具有背景復(fù)雜多變、圖像質(zhì)量不穩(wěn)定、視距視角各異、像素大小不一以及目標(biāo)在圖像中的位置不固定等特點(diǎn)，這些特點(diǎn)給基于圖像處理的故障識(shí)別方法帶來(lái)了很大的

2、挑戰(zhàn)。
　　針對(duì)航拍絕緣子圖像的特點(diǎn)，提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的絕緣子圖像和自爆故障圖像識(shí)別算法。該算法將原始圖像切割成若干子圖像，利用深度卷積神經(jīng)網(wǎng)絡(luò)(DCNN)對(duì)子圖像進(jìn)行訓(xùn)練學(xué)習(xí)，通過(guò)對(duì)子圖像的識(shí)別來(lái)實(shí)現(xiàn)對(duì)原始圖像不同模式的識(shí)別。利用64幅原始圖建立了一個(gè)包含1220個(gè)48×48子圖的訓(xùn)練樣本庫(kù)，對(duì)構(gòu)建的9層DCNN進(jìn)行絕緣子圖像的識(shí)別訓(xùn)練，訓(xùn)練正確率為98.52％;利用151個(gè)原始圖像對(duì)訓(xùn)練后的DCNN進(jìn)行測(cè)試，正確

3、率為98.01％。從205個(gè)原始圖像中，抽取了2610個(gè)48×48的子圖建立了訓(xùn)練樣本庫(kù)，對(duì)DCNN進(jìn)行訓(xùn)練，訓(xùn)練正確率為995％;利用341個(gè)原始圖像對(duì)訓(xùn)練后的DCNN進(jìn)行測(cè)試，正確率為98.53％。由此可知，所提算法能夠有效地識(shí)別絕緣子圖像及絕緣子自爆故障圖像，且具有較強(qiáng)的泛化能力。
　　在識(shí)別出自爆絕緣子圖像的基礎(chǔ)上，提出了一種基于DCNN和最大類間方差法(Otsu)的自爆絕緣子分割算法，該算法用DCNN的識(shí)別結(jié)果來(lái)優(yōu)化Ot