فهرست نشریات علمی دسترسی آزاد ایران

خطوط انتقال‌نیرو، بخش حیاتی شبکه‌های برق هستند و سلامت آن‌ها به منظور تامین برق پایدار جامعه ضروری است. مقره‌ها، به عنوان عایق بین هادی‌ها نقش اساسی در این شبکه ایفا می‌کنند و عیوب آن‌ها می‌تواند منجر به قطع، اتلاف برق و خطرات جانی شود. پایش و تشخیص به موقع این عیوب، نقشی کلیدی در حفظ پایداری و امنیت شبکه دارد. روش‌های پایش سنتی خطوط انتقال برق نیز زمان‌بر و پرهزینه بوده و احتمال وقوع حوادث در این روند بیشتر می‌شود. پهپاد و پردازش تصاویر هوایی حاصل از آن با استفاده از شبکه‌های عصبی یادگیری عمیق روشی نوین و کارآمد برای پایش خطوط انتقال برق ارائه می‌دهد. هدف این ‌پژوهش، غلبه بر چالش‌های روش‌های سنتی تشخیص عیوب، مانند زمان‌بر بودن، پرهزینه بودن و احتمال وقوع حوادث است. همچنین در تحقیق حاضر، روشی نوین بر مبنای  تصویر‌برداری هوایی و استفاده از وظایف مختلف مدل‌ یادگیری عمیق یولو8 نانو ، برای پایش و تشخیص عیوب مقره‌ها در خطوط انتقال نیرو ارائه می‌شود. در روند این پژوهش مدل یادگیری عمیق طی دو مرحله با در نظر گرفتن دو کلاس سالم و معیوب و سه کلاس سالم، شکستگی و آرک زدگی آموزش داده شده که دقت 92.6% در وظیفه تشخیص و دقت 98.9% در وظیفه طبقه بندی با دو کلاس و دقت کل 93.9% به منظور تشخیص مقره در تصویر و دقت 99.2% به منظور طبقه‌بندی تصاویر در سه کلاس مقره سالم، مقره ‌شکسته و آرک‌زدگی مقره برای مدل یولو8 حاصل شده است. نتایج این مطالعه نشان می‌دهد که روش پیشنهادی مبتنی بر تصویربرداری هوایی با استفاده از مدل‌های عمیق یولو8، روشی دقیق، کارآمد و مقرون به صرفه برای پایش و تشخیص عیوب مقره‌ها در خطوط انتقال برق است. این روش در مقایسه با روش‌های سنتی پایش مقره‌ها، از مزایای قابل توجهی از جمله دقت بالا، سرعت بالای پردازش، قابلیت اطمینان بیشتر و هزینه عملیاتی پایین‌تر برخوردار است.