شناسایی عیب عایق های خطوط انتقال برق بر اساس مدل بهبودیافته شبکه سبک وزن با کمک بینایی کامپیوتری

هدف این کار اطمینان از عملکرد ایمن خطوط انتقال برق و کاهش هزینه ها و مشکلات نگهداری است. به بررسی کاربرد بینایی کامپیوتری ( CV) در شناسایی نقص خطوط انتقال برق می پردازد. علاوه بر این، این کار روشی را برای بهبود مدل شبکه سبک وزن برای ارائه یک مدل شناسایی موثر برای حل مشکل نقص خط انتقال برق پیشنهاد می کند. در مرحله اول، الگوریتم های تقسیم بندی GraphCut و لاپلاس برای گسترش و وضوح تصویر خط انتقال الکتریسیته استفاده می شوند. ثانیا، با توجه به الگوریتم پیچیدگی قابل جداسازی عمق، یک مدل تشخیص عیب برای عایق خط انتقال برق بر اساس شبکه( You Only Look Once ۴ (YOLOv۴)پیشنهاد شده است. علاوه بر این، MobileNetV۱ برای بهبود این مدل شبکه سبک وزن استفاده می شود. در نهایت، این کار از ImageNet، یک مجموعه داده عمومی بزرگ، برای اعتبارسنجی آزمایشی مدل پیشنهادی استفاده می کند. نتایج تحقیق نشان می دهد که: (۱) در نتایج آزمایش مدل، همه شاخص های تحقیقاتی مدل بیشتر از ۹۰ درصد هستند که نشان دهنده دقت تشخیص عالی این مدل است. (۲) مدل بهبودیافته YOLOv۴ می تواند سرعت تشخیص را تا ۵۳ فریم بر ثانیه با هزینه ۲.۴ درصد دقت افزایش دهد. (۳) پس از وضوح تصویر، مدل بهبود یافته YOLOv۴ توانایی تشخیص عیوب عایق را تا حد معینی ارتقا داده است. نتایج فوق نشان می دهد که مدل بهبود یافته YOLOv۴ می تواند کارآمدتر و دقیق تر پیش بینی کند و موارد مثبت کاذب غیرضروری را کاهش دهد. این نشان می دهد که مدل پیشنهادی امکان پذیر است و انتظار می رود در عمل برای شناسایی نقص خطوط انتقال برق اعمال شود. این یافته ها به طور کامل ارزش حیاتی این کار را در افزایش کارایی و دقت پیش بینی نشان می دهد، بنابراین ترجیح قوی برای شناسایی نقص خطوط انتقال برق در کاربردهای عملی ارائه می دهد.