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。
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