基于改进的更快-RCNNN的小物体检测方法用于基站的石油泄漏缺陷
Qiang Yang1,2, Song Ma1, Dequan Guo1
1School of Automation, Chengdu University of Information Technology, Chengdu 610225, China.
Sensors (Basel, Switzerland)
|September 9, 2023
概括
本研究引入了一种改进的Faster R-CNN模型 (FRRNet101-c),用于检测变电站设备中的油泄漏,提高了小缺陷的准确性. 与智能机器人相结合,它可以帮助工人做出维护决策,以实现更安全的电力传输.
科学领域:
- 电气工程 电气工程
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 变电站设备的安全性对于可靠的输电至关重要.
- 目前的油泄漏检测方法与小缺陷作斗争,缺乏智能机器人集成.
- 智能检查机器人对于高效的变电站维护至关重要.
研究的目的:
- 开发一种精确的小物体检测方法,用于对变电站漏油的检测.
- 将这种方法与智能检查机器人集成,以加强变电站监控.
- 为漏油事件提供可操作的维护建议.
主要方法:
- 修改了使用Resnet-101特征提取的更快R-CNN模型.
- 实施的修改包括取消减量采样,并用较小的核取代大型卷积核以保存信息,特别是对于小物体.
- 将检测模型与智能检查机器人集成,并开发了维护建议的决策方案.
主要成果:
- 与基线模型相比,拟议的FRRNet101-c模型在油泄漏检测方面表现优越.
- 在整体检测中,平均平均精度 (mAP) 提高了6.3%.
- 显示了显著的12%的改进,特别是在检测小油泄漏物体时.
结论:
- 该FRRNet101-c模型提供了一个非常有效的解决方案,用于检测变电站设备的油泄漏缺陷,特别是小的.
- 与智能检查机器人的集成增强了变电站检查能力,并支持及时的维护决策.
- 这种方法有助于确保设备的寿命和电力系统的稳定运行.
