电网异物检测

yolov3加上迁移学习和适度的数据增强形成的网络应用在输电线异物检测输电线路为电能从一个地方输送到另一个地方提供了一条路径，确保输电线路的正常运行是向城市和企业供电的先决条件。主要威胁来自外来物，可能导致电力传输中断。传统的人工检测方法不仅耗费大量人力，而且影响电网的安全和效率，因此本文提出了一种基于神经网络的输电线路异物检测方法。使用迁移学习和数据扩充来缓解数据短缺。实验结果表明，即使在训练数据较少的情况下，迁移学习和数据增强的神经检测方法也是一种有效的方法，且不损失实时性。

【电网异物检测硕士论文摘抄记录】电力巡检图像中基于深度学习的异物检测方法研究根据国家电力行业发展报告统计，截止到 2018 年，全国电网 35 千伏及以上的输电线路回路长度达到 189 万千米，220 千伏及以上输电线路回路长度达73 万千米。截止到 2015年，根据国家电网公司的统计 330 千伏及以上输电线路故障跳闸总数中外力破坏作为主要原因的事故占到了 15.8%，而其中由线上异物引发的事故占到外力破坏的55.4%。特别是一些异物的人眼辨识度不高，在颜色、形状和大小上非常接近输电线上的金具，更容易使得工作人员漏检，进而引发电力事故，或者加长了异物处理的周期。电网公司的巡检工