基于U-net和YOLOv4的绝缘子图像分割与缺陷检测

作     者：唐小煜 黄进波 冯洁文 陈锡和 TANG Xiaoyu;HUANG Jinbo;FENG Jiewen;CHEN Xihe

作者机构：广东省量子调控工程与材料重点实验室∥广东省光电检测仪器工程技术研究中心∥物理国家级实验教学示范中心∥华南师范大学物理与电信工程学院广州510006 

出 版 物：《华南师范大学学报（自然科学版）》 (Journal of South China Normal University(Natural Science Edition))

年 卷 期：2020年第52卷第6期

页      面：15-21页

学科分类：0810[工学-信息与通信工程] 07[理学] 070601[理学-气象学] 08[工学] 0706[理学-大气科学] 081002[工学-信号与信息处理] 

基　　金：国家自然科学基金项目(61371176) 广州市高校创新创业教育项目(2019HD206) 

主　　题：绝缘子 语义分割 目标检测 U-net YOLOv4 

摘      要：输电线路上绝缘子的完整性直接影响了输电的安全与可靠性.采用深度学习方法,对绝缘子图像识别提取和缺陷检测问题进行了研究.首先基于优化的U-net模型获取绝缘子区域掩模图像,实现对绝缘子串语义分割;然后基于YOLOv4模型获取缺陷绝缘子的位置,实现对自爆绝缘子目标的检测.为充分利用高分辨率图像的像素信息,提出“切分-识别-合成的检测思路,精确分割出绝缘子以及判断并获取缺陷区域;最后设计了多组实验并进行对比,验证了模型的有效性.采用优化的U-net模型分割绝缘子的Dice系数达0.92;采用YOLOv4模型检测自爆绝缘子的识别精度达0.96,平均重叠度IOU达0.88.研究结果对实现电力系统运维的智能化具有较高的应用价值.