基于图像深度学习的高压断路器操动机构锈蚀状态评估

高压断路器在长期运行过程中会产生不同程度及不同形态的锈蚀,其操动机构的关键零部件连接处存在锈蚀时,会影响断路器分合闸速度,严重时将导致机构拒动,危及电力系统的供电安全.因此,对高压断路器操动机构进行锈蚀检测并评估其运行状态具有重要意义.本文提出一种基于图像深度学习的高压断路器操动机构锈蚀状态评估方法,首先,根据高压断路器的工作原理和结构特点,建立评价指标体系,并利用主客观综合赋权法,确定各指标综合权重;其次,利用YOLO深度学习算法识别操动机构的锈蚀位置和锈蚀等级,计算相关评价指标;最后,通过模糊综合评价方法,获得锈蚀状态的评价结果.对YOLOv3、YOLOv4和YOLOv5算法进行性能测试,表明YOLOv5算法在准确度和速度等方面综合表现更好;最后,对某台已投运的高压断路器进行锈蚀状态评估,与实际情况对比,验证了所提方法的合理性.