基于计算机视觉的输电线路金具锈蚀识别

金属锈蚀环境复杂，生锈部位及形状差异较大，使得锈蚀难以检测。随着无人机逐渐应用于线路巡检，计算机视觉也应用于金具锈蚀识别。针对目前锈蚀检测存在的问题，提出了使用基于深度学习的Faster RCNN目标检测模型和锈蚀HSI颜色特征相结合的锈蚀检测方法，用于解决数字图像处理适用性差且效率不高和深度学习方法目标特征无法准确提取等问题。实验结果显示该方法对于常见的几种锈蚀情况都有较好的识别效果，都可识别出图像中锈蚀区域的主体部分，且深度学习算法与HSI颜色特征结合的方法判断锈蚀有无的正确率和召回率达到了较高水准，漏识别率也符合现实要求。因此，该方法符合实际需求，为电气行业相关金属的日常管理养护提供了技术支撑。