99久久99久久精品免费看蜜桃,国产性色av一区二区三区,宝贝小嫩嫩好紧好爽h视频,《隔壁放荡人妻bd高清》,噜噜噜噜av夜色在线

絕緣子是輸電線路重要的組成部分，架空線通過絕緣子實現(xiàn)對桿塔和大地的絕緣。絕緣子在過電壓作用下會出現(xiàn)閃絡(luò)，是故障多發(fā)元件，傳統(tǒng)的巡線方式是人工巡線，可用熱紅外成像技術(shù)方法檢測缺陷。由于無人機巡線具有更高效、更安全等優(yōu)勢，近年來無人機巡線迅速發(fā)展，利用計算機視覺技術(shù)對拍攝的絕緣子航拍圖進行分析成為研究的熱點問題。

傳統(tǒng)的絕緣子自爆缺陷檢測算法主要先利用圖像分割技術(shù)從航拍圖中分割出絕緣子串，得到絕緣子的輪廓特征，再按照人工設(shè)計的特征判斷是否存在缺陷，其中Otsu方法等技術(shù)得到了充分應(yīng)用和發(fā)展。然而航拍得到的圖像的背景多為桿塔、農(nóng)田、山巒等復(fù)雜場景，且不同環(huán)境條件下得到的圖像差異較大。傳統(tǒng)圖像處理方法應(yīng)用于航拍圖像時，難以獲得滿足算法要求的分割結(jié)果，造成準(zhǔn)確率低的問題。

神經(jīng)網(wǎng)絡(luò)已被應(yīng)用于多個領(lǐng)域，在圖像領(lǐng)域中卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）能夠?qū)崿F(xiàn)端到端的學(xué)習(xí)，且得到的特征相比于傳統(tǒng)的人工設(shè)計的特征具有更強的泛化性，已有國內(nèi)外學(xué)者將深度學(xué)習(xí)方法應(yīng)用于絕緣子自爆缺陷檢測。應(yīng)用于絕緣子自爆檢測的深度學(xué)習(xí)方法按處理步驟可分為兩種：單階段方法和雙階段方法。單階段方法直接在航拍圖上進行自爆缺陷檢測；雙階段方法則先得到絕緣子串所在區(qū)域，再對絕緣子串區(qū)域進行進一步處理。

單階段方法采用的算法可分為兩種，一種是采用區(qū)域提名或回歸分類的目標(biāo)檢測算法直接對自爆缺陷進行檢測。然而自爆缺陷在航拍圖像中所占比例較小，屬于小目標(biāo)檢測，由于目標(biāo)檢測算法中多次使用下采樣，在多次下采樣后自爆缺陷區(qū)域的特征圖變得很小，丟失圖像特征，因而采用目標(biāo)檢測算法的單階段方法準(zhǔn)確率較低。第二種是先由滑動窗口對航拍圖片進行裁剪，再對裁剪得到的圖片塊進行分類。

雙階段方法在檢測絕緣子串所在區(qū)域時所用方法多為目標(biāo)檢測算法；在檢測自爆缺陷時或使用目標(biāo)檢測算法進行檢測，或使用滑動窗口裁剪絕緣子串區(qū)域后再對得到的圖片塊進行分類。但是，雙階段方法中非級聯(lián)網(wǎng)絡(luò)需要訓(xùn)練多個網(wǎng)絡(luò)以分別實現(xiàn)絕緣子串定位和自爆缺陷檢測，加大了模型的訓(xùn)練難度；級聯(lián)網(wǎng)絡(luò)由于需要實現(xiàn)兩個功能，參數(shù)量和需要的計算量都較大，對硬件要求較高。

基于上述分析，東北石油大學(xué)電氣信息工程學(xué)院的研究人員選擇對由滑動窗口裁剪后得到的圖片塊進行分類的方法，用一個網(wǎng)絡(luò)實現(xiàn)絕緣子自爆缺陷檢測。考慮到無人機在航拍過程中易受天氣等因素干擾導(dǎo)致圖像模糊，影響圖像的質(zhì)量和信息，造成檢測算法漏檢，研究人員在實現(xiàn)自爆缺陷檢測的同時實現(xiàn)對模糊圖像的識別。

圖1 對正常絕緣子圖像進行圖像處理

圖2 雙串仿真絕緣子

相對于背景，自爆絕緣子與正常絕緣子的區(qū)分難度更大，研究人員提出一種基于層次多任務(wù)深度學(xué)習(xí)的絕緣子自爆缺陷檢測模型，使用專用的卷積神經(jīng)網(wǎng)絡(luò)區(qū)分自爆絕緣子和正常絕緣子，提高分類準(zhǔn)確率。針對層次分類中的路徑錯誤問題，研究人員將層次分類模型與多任務(wù)學(xué)習(xí)算法相結(jié)合以增加粗粒度類別分類準(zhǔn)確率，從而減少路徑錯誤問題。

此外，由于目前沒有標(biāo)準(zhǔn)的自爆絕緣子數(shù)據(jù)集，而航拍圖片中存在自爆缺陷的絕緣子數(shù)量、形態(tài)有限，導(dǎo)致卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到的自爆缺陷特征不足。卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到的特征決定了模型的性能，若學(xué)習(xí)到的特征不足將導(dǎo)致模型泛化能力弱，發(fā)生過擬合問題，因此需要對自爆絕緣子類別進行數(shù)據(jù)增強。

傳統(tǒng)的數(shù)據(jù)增強方法主要是翻轉(zhuǎn)、隨機裁剪、亮度變換等。在此基礎(chǔ)上，有學(xué)者提出了使用3D軟件進行正常絕緣子建模的方法，但背景純凈的絕緣子圖片失去了絕緣子航拍圖像的背景復(fù)雜的特點。有學(xué)者提出運用U-Net將破損絕緣子串分割出來，再與復(fù)雜背景圖融合的方法進行數(shù)據(jù)增強，然而只是更換了背景和進行旋轉(zhuǎn)，自爆缺陷特征并未有效增加，并且由于圖像分割的精度有限，絕緣子圖像周圍存在背景的殘余像素。

研究人員結(jié)合兩種方法，提出將仿真自爆缺陷絕緣子與復(fù)雜背景融合得到合成圖片以實現(xiàn)數(shù)據(jù)增強。

圖3 制作合成航拍圖過程

圖4 真實絕緣子圖像與合成絕緣子圖像

研究人員針對層次分類模型中的路徑錯誤問題，在層次分類模型中引入多任務(wù)學(xué)習(xí)，減少路徑錯誤。實驗結(jié)果顯示，合成數(shù)據(jù)實現(xiàn)了數(shù)據(jù)增強，有效地防止了網(wǎng)絡(luò)出現(xiàn)過擬合問題；選擇合適的權(quán)重綜合任務(wù)2和任務(wù)3的結(jié)果后減少了路徑錯誤；層次多任務(wù)學(xué)習(xí)模型的自爆絕緣子分類召回率達到97.21%，F(xiàn)1分值達到0.9831，相比于平面分類模型和普通層次模型更高，說明采用層次多任務(wù)模型的特征學(xué)習(xí)能力更強。

研究人員表示，下一步將收集覆冰絕緣子等其他絕緣子缺陷類型圖像，實現(xiàn)對各種絕緣子缺陷的有效檢測。

本文編自《電工技術(shù)學(xué)報》，作者為徐建軍、黃立達、閆麗梅、伊娜，論文標(biāo)題為“基于層次多任務(wù)深度學(xué)習(xí)的絕緣子自爆缺陷檢測”。