基于深度学习的无人机电力巡检方法研究

考虑到无人机平台电力巡检有效载荷及计算能力有限，该文提出了一种基于无人机的智能电力巡检方案。首先，设计了无人机电力巡检软硬件框架；其次，提出了一种双阶段微调策略训练深度学习模型，从而提高模型应对特殊数据集的检测能力；最后，提出了一种通道剪枝方案，从而去除冗余的特征通道降低模型的复杂度，使得模型可有效部署于计算能力有限的无人机平台。实验阶段，以检测绝缘子为例，对所提方案进行验证。结果表明，所提双阶段微调策略可将基础网络性能提升约4%至10%。同时，所提通道剪枝方法可使得网络模型尺寸更小、性能更优。该模型为电力系统智能化及无人化监控管理提供了一定借鉴作用。