国产精品不卡在线,精品国产_亚洲人成在线高清,色亚洲一区,91激情网

電力桿塔常年暴露在自然環(huán)境復(fù)雜惡劣的野外，易受山體滑坡、冰雪覆蓋、地震、臺(tái)風(fēng)等自然災(zāi)害影響，導(dǎo)致桿塔塔基不穩(wěn)、塔身傾斜，影響電能正常傳輸，甚至造成經(jīng)濟(jì)損失。因此，快速、有效地檢測(cè)電力桿塔的傾斜異常，不僅是電力線路運(yùn)行維護(hù)的重要環(huán)節(jié)，也是保障電力安全傳輸?shù)幕A(chǔ)。

近年來(lái)，隨著無(wú)人機(jī)巡線技術(shù)的普及，電力運(yùn)維部門開(kāi)始通過(guò)無(wú)人機(jī)搭載各類傳感裝置對(duì)電力桿塔等目標(biāo)物體進(jìn)行信息采集和檢測(cè)，產(chǎn)生了大量以圖像和視頻為主的航拍數(shù)據(jù)，但仍普遍存在“重?cái)?shù)據(jù)采集、輕數(shù)據(jù)分析”的問(wèn)題。隨著人工智能技術(shù)的發(fā)展，無(wú)人機(jī)巡檢圖像的智能化分析處理正逐步成為取代人工判斷、提升電網(wǎng)運(yùn)維水平的重要手段。

但是，無(wú)人機(jī)電力線路巡檢拍攝的桿塔圖像背景復(fù)雜且正負(fù)樣本極不均衡，嚴(yán)重影響了電力桿塔異常檢測(cè)的準(zhǔn)確性。為提高復(fù)雜背景下無(wú)人機(jī)電力桿塔巡檢圖像異常檢測(cè)的精度，東南大學(xué)電氣工程學(xué)院、東南大學(xué)-蒙納士大學(xué)蘇州聯(lián)合研究生院（東南大學(xué)）的研究人員仲林林、胡霞、劉柯妤，在2022年第9期《電工技術(shù)學(xué)報(bào)》上撰文，提出一種基于壓縮激活改進(jìn)的快速異常檢測(cè)生成對(duì)抗網(wǎng)絡(luò)（SE-f-AnoGAN）模型，用于無(wú)人機(jī)電力桿塔巡檢圖像的異常檢測(cè)。

圖 SE-f-AnoGAN模型結(jié)構(gòu)

研究人員首先在f-AnoGAN編碼器中引入壓縮激活網(wǎng)絡(luò)（SENet），提取圖像中的顯著性信息。然后，將生成對(duì)抗網(wǎng)絡(luò)的無(wú)監(jiān)督學(xué)習(xí)和二分類器的有監(jiān)督學(xué)習(xí)有機(jī)結(jié)合，實(shí)現(xiàn)前者特征提取優(yōu)勢(shì)和后者判別優(yōu)勢(shì)的互補(bǔ)。在此基礎(chǔ)上，借助基于遷移學(xué)習(xí)的優(yōu)化訓(xùn)練策略進(jìn)一步有效提升模型在大規(guī)模數(shù)據(jù)集上的泛化性能。

他們指出，將基于通道注意力的SENet引入原始f-AnoGAN網(wǎng)絡(luò)的編碼器中，提取可見(jiàn)光圖片的顯著性信息，降低背景噪聲干擾，從而使得網(wǎng)絡(luò)能夠聚焦桿塔檢測(cè)，能夠有效提取桿塔特征，解決了無(wú)人機(jī)巡檢桿塔圖像樣本少且類別不均衡的問(wèn)題。

另外，在f-AnoGAN無(wú)監(jiān)督模型提取正常樣本特征的基礎(chǔ)上，研究人員引入基于監(jiān)督學(xué)習(xí)的二分類器判別桿塔是否正常，結(jié)合無(wú)監(jiān)督學(xué)習(xí)的特征提取優(yōu)勢(shì)和監(jiān)督學(xué)習(xí)的判別優(yōu)勢(shì)，彌補(bǔ)判別器檢測(cè)效果不佳的缺點(diǎn)，從而提高了模型在小樣本數(shù)據(jù)集上的異常檢測(cè)能力。

此外，在改進(jìn)的生成對(duì)抗網(wǎng)絡(luò)基礎(chǔ)上，他們通過(guò)借助基于遷移學(xué)習(xí)的優(yōu)化訓(xùn)練策略，微調(diào)二分類器中預(yù)訓(xùn)練模型參數(shù)，進(jìn)一步有效提升了模型在大規(guī)模數(shù)據(jù)集上的泛化能力和魯棒性。

研究人員最后表示，通過(guò)消融實(shí)驗(yàn)和不同評(píng)判指標(biāo)逐步驗(yàn)證了SE-f-AnoGAN在無(wú)人機(jī)電力桿塔異常檢測(cè)中的可行性和有效性。實(shí)驗(yàn)測(cè)試表明，本模型的AUC值和AP值分別達(dá)到0.991 4和0.988 5，總體樣本的檢測(cè)準(zhǔn)確率為95.74%，正、負(fù)樣本的召回率分別達(dá)到96.05%和95.36%，證明了SE-f-AnoGAN在異常檢測(cè)中的有效性。

本文編自2022年第9期《電工技術(shù)學(xué)報(bào)》，論文標(biāo)題為“基于改進(jìn)生成對(duì)抗網(wǎng)絡(luò)的無(wú)人機(jī)電力桿塔巡檢圖像異常檢測(cè)”。本課題得到了江蘇省科協(xié)青年科技人才托舉工程、東南大學(xué)“至善青年學(xué)者”支持計(jì)劃和中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目的支持。