![]()
标题：Detection of Power Line Insulator
Defects Using Aerial Images Analyzed With Convolutional Neural Networks期刊
：IEEE Transactions on Systems,
Man, and Cybernetics: Systems (Volume 40, April 2020)
者：Xian Tao , Dapeng Zhang, Zihao
Wang , Xilong Liu , Hongyan Zhang, De Xu单位：Research Center of Precision
Sensing and Control, Institute of Automation, Chinese Academy of Sciences; Sino-European Institute of
Aviation Engineering, Civil Aviation University of China; School of Information Science and
Technology, Hainan Normal University
绝缘子是高压输电系统中用于电气隔离和机械固定的关键设备，而电力路线中的绝缘子存在缺陷就会导致输电系统故障，因此基于高空作业平台的绝缘子巡检系统被广泛应用。针对航拍图像中的绝缘子定位以及缺陷检测，传统使用人工从航拍图中查找绝缘子缺陷以及基于浅层学习技术来进行定位和检测的手段，也只能在有足够先验知识、背景干扰较低以及特定物体尺寸或特定光照等条件下进行，难以高效准确地检测。已有的关于绝缘子检测的研究无法同时满足高精度的定位和高准确度的缺陷检测两个工作需求，或者由于成本过高无法真正应用于实际生活中。本文旨在开发更通用的绝缘子故障检测方法，提出使用级联CNNs，将绝缘子定位和缺陷检测任务结合起来，使其成为解决基于CNN的两级目标检测问题，从而高效精准地对航拍图像中存在缺陷的绝缘子进行定位和检测。2、研究方法：如图1所示，本文研究的绝缘子自动巡检系统由三部分组成：首先由无人机采集绝缘子串图像，再将图像通过4G通信网络发送至地面监控中心，从监控中心的图像中识别和定位绝缘子缺陷后，会将其显示到客户端界面中。本文提出的方法旨在能够实现自动检测复杂航拍图像中绝缘子所存在的缺失帽缺陷，使用级联CNNs网络，并在网络中引入RPN层来提高检测速度。在第一个网络ILN中检测图像中所有绝缘子，并将其中一个或多个绝缘子以最小矩形区域的形式裁剪出来。在将裁剪后的图像输入DDN网络前，需要确保裁剪后的图像足够大，以能够检测出微小绝缘子的缺陷，先在Crop Mudule中确定一个图像的最小阈值，来确定是否裁剪绝缘子。在第二个网络DDN中，将ILN网络输出的绝缘子特征图作为输入，以能够实现更精确检测的网络来进行缺陷检测任务。具体网络架构如图2所示。在机器学习任务中，数据集太小是一个常见问题，而以有限的训练样本来训练CNN神经网络会导致过拟合。本文使用数据增强方法，通过仿射变换、绝缘子分割与背景融合、高斯模糊和亮度变换四个方法，可以模拟视角、背景、模糊和光照变化，从而能够利用已有的图片生成新的图片。图片生成过程如图3所示。在实验验证部分，实验数据集为4608x3456像素的1956张高分辨率影像。其中900张为绝缘子完好的正样本，1056张为绝缘子存在缺陷的负样本。缺陷检测标准采用准确率（Pr）、召回率（Re）以及F1值。首先使用VGG-16、ResNet-50和ResNet-101三种不同的预训练模型来测试级联网络模型的性能，从表1可以看出，ILN网络在三种预训练模型下精度几乎相同，而选取VGG-16有较大的速度优势，DDN网络在主要考虑精度条件下选择ResNet-101作为预训练模型。为了评估所提出级联网络的优势，将其与其他四种竞争性方案进行了比较：Faster R-CNN、ILN+CNN、ILN+ACF检测器、级联DNN检测器。根据表2和图4可以看出，本文方案取得了最高的准确率、召回率和F1值，而其他方案无法在这些方面有很好的表现。
本文通过使用不同数据增强方式产生的数据集进行实验，并比较这些数据集的缺陷检测结果来评估数据增强方法的有效性。从表3可以看出，所有数据增强方法都提高了网络检测精度，并且四种数据增强方式组合的形式达到了最好的检测效果。为了证明本文方法的有效性，在CPLID中进行评估，该部分绝缘子缺陷检测如图5所示，绿色方框表示正常绝缘子，红色方框表示有缺陷的绝缘子，置信度显示在方框上。可以看出本文的方法可以成功检测出杂乱背景下大部分有缺陷的绝缘子。
![]()
3、结论：
论文提出了一种新型深度卷积神经网络（CNN）级联结构，并将其用于绝缘子缺陷定位与检测。将绝缘子定位和缺陷检测问题转化为两级目标检测问题，用ILN网络进行绝缘子定位，DDN网络对定位后的绝缘子进行缺陷检测，从而高精度地从复杂航拍图像中检测出有缺陷的绝缘子，并且通过实验比较得出，本文的方案优于同类竞争方案。针对网络训练中图像样本稀缺的问题，本文提出了一种数据增强方法，通过仿射变换、绝缘子分割和背景融合、高斯模糊、亮度变换四种方法，在原图的基础上生成新的样本，并可用于训练神经网络以提高检测精度。综上所述，论文提出的绝缘子缺陷检测方案检测精度和召回率分别为0.91和0.96，可以很好的满足实际需求，并且所使用的数据增强方法也能提高网络的检测精度，为绝缘子缺陷检测领域提供了技术支持。![]()
