智能电网场景下的巡检目标检测算法研究

作     者：欧阳超 

作者单位：哈尔滨工业大学 

学位级别：硕士

导师姓名：张海军

授予年度：2023年

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：巡检目标检测算法 智能电网 特征提取 

摘      要：电力网络不仅是人民日常生活的重要保障，更是国家经济发展的中坚力量。随着国家智能电网的不断发展,保障输电线路安全的需求日益增加。然而，输电线路常被运输或施工设备入侵，导致输电线折断或输电杆倒塌;输电塔上的绝缘子容易因恶劣天气以及缺乏维护而自爆或脱落，严重影响输电线路的稳定性。目前，人工定期维护是智能电网巡检的主要方式，但此方式效率低、实时性差，并且危害维护人员的生命安全。因此，本文针对巡检目标中的入侵目标、绝缘子和绝缘子自爆区域，分别提出以下两种轻量化的目标检测算法，从而实现实时的、智能化的巡检。本文的具体工作如下： （1）针对入侵目标检测问题，提出一种基于复合MobileNetV2骨干网络的两阶段轻量化目标检测算法。该算法通过复合MobileNetV2的骨干网络使深层和浅层的特征充分地融合，同时在骨干网络中引入压缩-激活模块对特征图进行加权，以缓解MobileNetV2中由于分组卷积造成的通道间信息交互不充分的问题;通过基于自顶向下和自底向上结构的特征金字塔，对特征进行双向融合，同时引入可变形卷积模块，以增大模型的感受野，获取更广范围的特征;通过多级交并比阈值的级联区域建议网络动态调节模型中正样本的数量，以防止模型受到复杂背景的干扰。与经典和最新的目标检测算法相比，上述算法在电网真实场景的入侵目标数据集上取得最高的mAP-50检测精度的同时，具备最少的参数数量和FLOPs。 （2）针对绝缘子和绝缘子自爆区域的检测问题，提出一种基于VarifocalNet的一阶段轻量化目标检测算法。该算法在VarifocalNet的基础上，设计基于GIoU和Wasserstein距离的回归损失函数以增强边框表示的灵活性和准确性;设计基于样本数量的Varifocal分类损失函数，用于提升模型对少样本目标的关注度;设计基于空洞卷积的语义增强特征金字塔，在增大模型感受野、建模局部和全局的语义关系的同时通过计算特征图的带监督信息的热力图提取图像中的显著区域，还能够通过像素重排模块增强上采样图像的质量，进一步提升对小目标的检测能力。与经典和最新的目标检测算法相比，上述算法在本文构建的电网真实场景的绝缘子和绝缘子自爆区域数据集上取得最高的mAP-50:95检测精度。同时，上述算法的参数数量和FLOPs也相对较少。 综合上述，本文提出的巡检目标检测算法在检测精度高的同时具备较低的模型复杂度，具备应用在实际巡检场景中的潜力。