在实际输电场景中,由于温度、湿度、气压等环境因素的影响,电力设备容易老化损坏,因此需要定期进行巡检确保电力输电的稳定高效。由于人工巡检存在效率低,危险性大等问题,因此宜采用无人机巡检。针对巡检过程中传统电力线提取算法存在...在实际输电场景中,由于温度、湿度、气压等环境因素的影响,电力设备容易老化损坏,因此需要定期进行巡检确保电力输电的稳定高效。由于人工巡检存在效率低,危险性大等问题,因此宜采用无人机巡检。针对巡检过程中传统电力线提取算法存在的算法速度慢、局限性大等问题,本文基于无人机巡检方式搭建了基于LinkNet的轻量化电力线语义提取网络PLS-LinkNet(powerline segmentation based on LinkNet),该网络在LinkNet网络的基础上增加了空洞卷积模块与注意力机制模块,同时使用Focal Loss损失函数提高了电力线图像的识别率。此外,为了验证算法改进的可行性设计了消融实验和对比实验,消融实验结果验证了添加模块的有效性。通过对比实验,相比于U-Net和SegNet识别网络,改进的PLSLinkNet网络在运算时间上分别减少了33.81 ms和48.26 ms,从而在识别速度上取得更好的效果。展开更多
文摘在实际输电场景中,由于温度、湿度、气压等环境因素的影响,电力设备容易老化损坏,因此需要定期进行巡检确保电力输电的稳定高效。由于人工巡检存在效率低,危险性大等问题,因此宜采用无人机巡检。针对巡检过程中传统电力线提取算法存在的算法速度慢、局限性大等问题,本文基于无人机巡检方式搭建了基于LinkNet的轻量化电力线语义提取网络PLS-LinkNet(powerline segmentation based on LinkNet),该网络在LinkNet网络的基础上增加了空洞卷积模块与注意力机制模块,同时使用Focal Loss损失函数提高了电力线图像的识别率。此外,为了验证算法改进的可行性设计了消融实验和对比实验,消融实验结果验证了添加模块的有效性。通过对比实验,相比于U-Net和SegNet识别网络,改进的PLSLinkNet网络在运算时间上分别减少了33.81 ms和48.26 ms,从而在识别速度上取得更好的效果。
