基于Faster R-CNN算法的输电线路绝缘子缺陷检测研究.pdfVIP

摘要

摘要

随着我国电力需求的不断增长，保障输电线路的高效与稳定运行已成为电力

巡检工作中不可或缺的核心任务。绝缘子作为输电线路的关键部件，起到支撑线

路和强化电气绝缘的重要作用。然而，由于长期暴露于户外严苛环境，绝缘子容

易发生掉串故障，严重影响电力系统的安全稳定运行。因此，如何对绝缘子进行

及时有效的缺陷检测成为一个很有实用价值的研究课题。

近年来，深度学习的飞速发展为绝缘子缺陷检测提供了新的有效途径，相比

于传统的图像处理方法，深度学习在检测精度和效率上都表现出明显的优越性。

但在实际的航拍绝缘子图像中，因其背景复杂多样、缺陷不明显等特点，绝缘子

缺陷检测很容易出现漏检或误检等问题。为了更好地满足航拍绝缘子图像缺陷检

测的特性需求，本文改进了一种基于FasterR-CNN的输电线路绝缘子缺陷检测

算法，以提高航拍图像绝缘子缺陷检测的精度和效率。主要研究工作如下：

（1）构建了可训练的绝缘子数据集。本文采用Github上的公开绝缘子数据

集作为原始数据，并使用Labelimg软件对数据集进行标注，然后针对绝缘子数

据不充分的问题，使用旋转、翻转、改变亮度对比度、增加噪声等处理方式对数

据集进行扩充，为模型训练提供了数据支持。

（2）针对航拍图像背景复杂多样的问题，本文通过采用更高效的Swin

Transformer网络，对FasterR-CNN算法的特征提取网络进行优化和设计。接着

引入GAM注意力模块，改进了一种新型的GAM-SW特征提取网络，该网络实

现了特征通道中包含的不同信息量的加权处理，同时兼顾了邻近特征通道之间的

依赖程度，增强了目标特征的比重，大幅提高了绝缘子缺陷检测在复杂背景下的

检测精度和效率。实验表明，与传统模型相比，改进后FasterR-CNN算法检测

精度提升了12.5%，速度每秒提升了2.63帧，检测效果得到大幅度提升。

（3）针对航拍距离和角度不同导致目标尺度不一、形态多变的问题，本文

在第三章改进的FasterR-CNN基础上，对绝缘子缺陷检测算法进行多尺度融合

改进。通过构建路径聚合特征金字塔网络，实现不同尺度绝缘子特征图在不同尺

度上的特征融合，解决了目标尺度不一的问题。接着引入可变形卷积模块，对特

I

摘要

征融合网络进一步改进，增强了网络对不同形态绝缘子缺陷的自适应能力和鲁棒

性。最后采用MPDIOU损失函数对算法进行优化，改善了算法检测框的评分机

制，进一步提高算法在绝缘子缺陷检测上的精度。实验表明，改进后的多尺度绝

缘子缺陷检测算法检测精度达98.3%，检测速度每秒24.77帧，相较于传统算法，

其检测精度和速度都得到大幅度提升。

（4）设计并实现了基于PyQt6的输电线路绝缘子缺陷检测系统。针对输电

线路中绝缘子的缺陷问题明确了系统设计的需求，确定了系统的整体框架与各个

功能模块。然后通过PyQt6搭建系统界面，采用QtDesigner开发界面进行软件

编译，实现了绝缘子缺陷检测系统。该系统不仅能够准确识别并判断绝缘子的缺

陷状态，还具备良好的用户界面和交互设计，使用户更加方便地输入所需的参数

和指令，记录检测的运行状态和结果。

关键词：输电线路；航拍图像；绝缘子缺陷检测；FasterR-CNN

II

ABSTRACT

ABSTRACT

AsChinaspowerdemandcontinuestogrow,maintainingtheefficientand

reliableoperationoftransmissionlineshasbecomeacrucialtaskinpowerinspection.

Insulators,asavitalcomponentoftheselines,playasignificantroleinsupportingthe

linesandenhancing