复合绝缘子憎水性图像检测研究

吴典校、汪子翔、刘春涛

中国南方电网超高压输电公司广州局，广东 广州 510663

摘要：针对复合绝缘子憎水性检查人工工作量大，效率低等问题，研究基于复合绝缘子憎水性图像智能检测快速研究，2. 解决了传统憎水性识别主观因素比重过高问题。通过对标准图谱的深度学习，生成客观模型，再与需测试图片进行比较，根据与标准图谱的相识度，确定对应其憎水性等级。

1 引言

长期以来，传统绝缘子憎水性检测（人工检测）存在以下问题：

1. 绝缘子分级的主观因素比重过高，导致检测结果不一致。传统喷水分级法是按一定规范在绝缘子表面喷水，然后通过人工对比测试图片和标准图谱之间的相似性得出绝缘子憎水性等级，由于人的主观性存在，这种检测会不可避免导致结果不一致的现象发生^[1-2]。

2. 人工判断绝缘子憎水性，工作繁重且效率低。由于一片地区的绝缘子数量往往在达到数万以上，而一个地区维护检测人员往往只有1到2个，如此巨大的差异，造成经验丰富的工作人员不得不花费大量的时间内将数万张图片进行分类，影响到供电系统整体系统的检测进度。且在长时间高强度工作下，容易导致检测图片分类错误的现象发生^[3-5]。

2 算法网络建立

为了解决上述技术问题，该文提出一种基于Focus和CSP的可见光图像检测方法，以Focus和CSP结构为骨架，引入Mosaic 数据增强、图片尺寸处理和自适应锚框计算模块，经过FPN+PAN结构处理，通过GIOU和NMS算法构建预测框。绝缘子检测算法网络如图1所示。

图1 绝缘子检测算法网络图

2. 1 输入端

输入端包括 Mosaic 数据增强、图片尺寸处理、自适应锚框计算三部分。该文采用了 Mosaic 方式增强数据，这种方式对大目标检测效果比较理想，符合该文绝缘子水滴面这种大目标检测需求。YOLO 算法中都需要将输入图像的尺寸变换成固定大小，再送入检测模型中训练，本文设计图片标准尺寸为 460×460×3。

2. 2 Backbone

Backbone 包含 Focus 结构和 CSP 结构。其关键步骤为切片操作。其算法流程如图 3 所示，将绝缘子训练图像 416* 416* 3 接入 Focus 结构中，通过切片操作，变为 208* 208* 12 的特征图，接下来进行一次 32 个卷积核操作，变为 208* 208* 32 的特征图。

图3 fosu切片操作

CSP 结构分为CSP1_X 和 CSP2_X。其中，CSP1 _X 结构主要应用于Backbone 网络中，CSP2_X 结构主要应用于 Neck 结构中。二者结构具体图4 中所示。

图4 CSP结构图

3 处理结果

1. 项目图片实际检测如下图所示，通过该方法进行识别，检测图片效率为0.007s一张，远超于人工识别速率，通过随机挑选300张图片进行检测，识别率为98.5%，准确率为94.8%，识别率和识别精度高于人工检测。

参考文献

1. 刘义敏.浅谈瓷绝缘子的生产工艺及烧成[J].电气技术与经济,2020(04):32-33+36.

[2] 宋靖瑶.瓷质绝缘子超声波探伤检测技术的应用[J].石油石化节能,2020,10(03):15-17+8.

[3] 周学明,黄江林,胡丹晖,毕如玉,王万昆,张耀东.基于红外检测的劣化瓷绝缘串诊断方法[J].湖北电力,2020,44(01):73-79.

[4] 万亚玲. 基于红外热像的劣化绝缘子串盘面温升分布特征研究[D].湖南大学,2018.

[5] 张彦,姚建刚,毛田,邹涛,龚磊.WebGIS红外热像零值绝缘子在线检测系统[J].电力系统及其自动化学报,2013,25(04):51-57.