论文部分内容阅读
针对传统输电线路防震锤故障检测准确率低,检测的正检率和误检率效果不佳的问题,为此提出并设计基于深度学习的输电线路防振锤故障检测。通过构建深度学习的网络模型提取图像特征,对训练分类器进行识别图像处理,将处理结果输入到待测图像上所对应的感受野区域,得出防振锤的概率。对概率阈值进行设置,同时利用检测器判断该点对应的原始待测图像中的防振锤故障,当检测的图像回溯到原始图像上,防振锤故障被准确检测出来。测试结果表明:与传统的基于图像形态学的检测方法相比,基于深度学习的检测方法减少了冗余计算,正检率提高了19.1