AdeNet：用于识别电力线中受损绝缘子的深度学习架构
机器学习
2021-03-03 v1 人工智能
摘要
陶瓷绝缘子对电子系统十分重要，其设计与安装旨在保护人类免受高压电流的危险。然而绝缘子并非不朽，自然老化会使其逐渐受损。因此必须持续监测绝缘子状况，通常借助无人机（UAVs）完成。无人机采集大量绝缘子图像，随后分析这些图像以识别受损者。本文中我们描述 AdeNet 这一为识别受损绝缘子而设计的深度神经网络，并测试多种自动分析绝缘子状况的方法。我们测试了若干深度神经网络及浅层学习方法。最佳结果（88.8%）由不使用迁移学习的 AdeNet 取得。AdeNet 还将假阴性率降至约 7%。尽管该方法无法完全替代人工巡检，其高吞吐量可减少监测线路受损绝缘子所需人力，并提供更换受损绝缘子的早期预警。
引用
@article{arxiv.2103.01426,
title = {AdeNet: Deep learning architecture that identifies damaged electrical insulators in power lines},
author = {Ademola Okerinde and Lior Shamir and William Hsu and Tom Theis},
journal= {arXiv preprint arXiv:2103.01426},
year = {2021}
}
备注
4th Black in AI Workshop of the International Confererence on Neural Information Processing Systems (NeurIPS BAI 2020)