Автоматизация распознавания дефектов оборудования электрических сетей с помощью искусственных нейронных сетей

Одним из признаков развития дефектов в электрическом оборудовании является локальный нагрев, для выявления которого может использоваться тепловизионный контроль. Его результатом являются тепловые снимки работающего электрооборудования - термограммы, которые анализируются с помощью визуальной оценки. Однако для исключения человеческого фактора при обработке большого количества термограмм, например снятых с беспилотных летательных аппаратов, требуется разработка автоматизированной системы распознавания дефектов. В работе приведены результаты исследования по выявлению дефектов оборудования электрических сетей с помощью искусственных сверточных нейронных сетей (СНС). Предлагается использовать механизм передачи обучения, архитектуру SqueezeNet для разделения термограмм на два класса: с дефектом и без дефекта. Для оценки эффективности классификации выбраны метрики: чувствительность, специфичность, сбалансированная точность, коэффициент корреляции Мэтьюса, F-мера. Результаты тестирования обученной СНС на контрольной выборке термограмм, не использовавшихся в процессе обучения, позволяют сделать вывод об эффективности СНС в задачах распознавания дефектов оборудования электрических сетей и перспективности дальнейших исследований по повышению скорости и качества классификации термограмм.