现有基于红外图像的绝缘子发热缺陷识别方法,存在目标区域提取精度有限、温度提取受环境因素影响较大等问题。为此,本文提出一种复合绝缘子过热识别新方法:首先改进单阶段绝缘子实例分割算法You Only Look At CoefficienTs(YOLACT),引...现有基于红外图像的绝缘子发热缺陷识别方法,存在目标区域提取精度有限、温度提取受环境因素影响较大等问题。为此,本文提出一种复合绝缘子过热识别新方法:首先改进单阶段绝缘子实例分割算法You Only Look At CoefficienTs(YOLACT),引入嵌有Efficient Local Attention(ELA)机制的MobileNetV2作主干网络提升检测速度,融合特征金字塔网络(Feature Pyramid Network,FPN)各层特征图并加入聚焦纯卷积特征提取模块提高特征图质量;然后使用改进算法识别红外图像中复合绝缘子外轮廓,定位其棒芯位置;最后依据红外图像热矩阵获取棒芯温度矩阵,对比温度变化判断是否异常。实际生产环境中,本文方法整体准确率达到975,算法总耗时125ms;改进实例分割算法平均交互比(mIOU)为9297,平均像素准确率(mPA)为9615,每秒帧数(FPS)为19。结果显示,此方法分割定位效果好,能滤除多数环境因素导致的温度识别误差,为绝缘子温度异常识别提供新方案。展开更多
文摘现有基于红外图像的绝缘子发热缺陷识别方法,存在目标区域提取精度有限、温度提取受环境因素影响较大等问题。为此,本文提出一种复合绝缘子过热识别新方法:首先改进单阶段绝缘子实例分割算法You Only Look At CoefficienTs(YOLACT),引入嵌有Efficient Local Attention(ELA)机制的MobileNetV2作主干网络提升检测速度,融合特征金字塔网络(Feature Pyramid Network,FPN)各层特征图并加入聚焦纯卷积特征提取模块提高特征图质量;然后使用改进算法识别红外图像中复合绝缘子外轮廓,定位其棒芯位置;最后依据红外图像热矩阵获取棒芯温度矩阵,对比温度变化判断是否异常。实际生产环境中,本文方法整体准确率达到975,算法总耗时125ms;改进实例分割算法平均交互比(mIOU)为9297,平均像素准确率(mPA)为9615,每秒帧数(FPS)为19。结果显示,此方法分割定位效果好,能滤除多数环境因素导致的温度识别误差,为绝缘子温度异常识别提供新方案。
