基于深度学习算法的无人机电力线路杆塔巡检实时目标检测模型建构.docx
版权申诉
201 浏览量
2022-06-03
04:51:36
上传
评论
收藏 56KB DOCX 举报
基于深度学习算法的无人机电力线路杆
塔巡检实时目标检测模型建构
摘要：无人机巡检已成为电力线路杆塔巡检的重要方式。然而，目前的无人
机巡检仍主要通过人工方式评估线路灾损，不仅费时费力，而且准确率低。本文
提出了一种基于深度学习算法的实时目标检测模型，通过无人机巡检视频实时检
测电力杆塔的状态。通过对倒断类杆塔图像进行数据增广，解决了杆塔类别不平
衡问题。通过使用 K-means 算法对杆塔数据集的目标框进行重新聚类，改进了深
度学习算法参数。测试结果表明，该模型能有效检测多种环境下多种尺度的杆塔
目标。改进后的模型在测试集上的召回率和交并比较改进前有所提高，且平均均
值精度达到 94.09%，检测速度达到 20 顿/s。此外，也对更快的简化版 YOLO 模型
进行了测试，检测速度能达到 30 帧/s。
关键词：深度学习算法 无人机 电力线路 杆塔巡检 实时目标 检测模型
为了能够及时发现电力线路的故障以便有效排除安全隐患，电力部门需要定
期或不定期地对电力线路开展巡检。目前主要的电力线路巡检方式包括人工巡检、
机器人巡检、载人直升机巡检、无人机巡检等。由于电力线路经常穿越崇山峻岭、
江河峡谷、无人区等特殊地理环境，尤其是在台风、暴雨、地震等自然灾害发生
后，进行人工徒步巡检和载人直升机辅助巡检非常危险，且效率低下。随着无人
机技术的发展和无人机生产成本的下降，越来越多的电力公司开始开展无人机电
力线路巡检。
1.
基于深度学习算法的无人机电力线路杆塔巡检的作用
随着我国电力行业的发展，对于电力线路的研究正在不断的深入。电力线路
在使用的过程中可能会出现一些问题，从而而导致大面积停电。为了快速开展故
障排查与抢修，许多电力公司使用搭载摄像装置的无人机进行电力线路巡检，获
资源评论
