第39卷第2期福建电脑Vol.39No.22023年2月JournalofFujianComputerFeb.2023———————————————本文得到福建省大学生创新创业训练计划(No.S202110399063)资助。王子睿(通信作者),男,1999年生,主要研究领域为深度学习与机器觉。E-mail:ziruiwang99@qztc.edu.cn。曾杰(通信作者),男,2000年生,主要研究领域为深度学习与机器视觉。E-mail:zengjie592022@163.com。田英涛,男,2000年生,主要研究领域为深度学习与机器视觉。E-mail:247223257@qq.com。苏志从,男,1987年生,主要研究领域为新型电机理论与控制技术。E-mail:suzhicong@qztc.edu.cn。采用无人机航拍图像的电力绝缘子缺损检测王子睿曾杰田英涛苏志从(泉州师范学院物理与信息工程学院福建泉州362000)摘要高压输电线路距离远、规模大,工作环境恶劣,采用人力巡检耗时长、劳动强度大,不能满足日益增长的巡检需求。结合视觉检测与智能算法,使用无人机航拍图像实现目标检测和故障辨识,能准确快速定位故障点,大幅提高巡检质量,提高故障检测的效率,已经成为当前研究的热点。本文在深入调查大量国内外文献的基础上,使用Faster-RCNN算法,使用848张无人机捕获的绝缘子图像构建数据集,训练出了用于检测绝缘子以及绝缘子缺损的模型,引入平均精度MAP等指标对模型进行评价,在绝缘子以及绝缘子缺损两类识别中,MAP分别达到了97.73%和90.52%。结果表明,该算法在识别绝缘子缺损故障具有良好的效果。关键词深度学习;巡线无人机;绝缘子故障检测;高压输电线路中图法分类号TP391.41DOI:10.16707/j.cnki.fjpc.2023.02.003PowerInsulatorDefectDetectionUsingUAVAerialImageryWANGZirui,ZENGJie,TIANYingtao,SUZhicong(DepartmentofPhysics&InformationEngineering,QuanzhouNormalUniversity,Quanzhou,China,362000)AbstractFindingautomatedfaultidentificationmethodsfortransmissionlineshasbeenahotresearchprobleminthefieldofpowerapplicationsinordertomeetthegrowingneedforelectricityconsumptionandsafeoperationofpowergridsystems.Inthispaper,basedonanin-depthsurveyofalargeamountofdomesticandinternationalliterature,theFaster-RCNNalgorithmisusedtotrainamodelfordetectinginsulatorsaswellasmissinginsulatorsusing848UAV-capturedinsulatorimagesasthemainresearchobject,andthemodelisevaluatedbyintroducingindexessuchasMAP,whichreaches97.73%inthereco...