变电站作为电能传输中重要的一环,其安全管理尤其重要。近年来,变电站智能化巡检不断推进,变电站巡检机器人的运用越来越广泛。但随着变电站巡检机器人运用的不断深入,变电站巡检机器人也面临了很多新的亟待解决的问题,其中在变电站中存在的大量充油设备的漏油缺陷严重的危害了变电站运行的安全,对变电站设备漏油缺陷进行及时准确的识别至关重要。故而对变电站巡检机器人目标缺陷识别功能提出了新的需求,但目前的变电站巡检机器人并没有专门针对变电站设备漏油缺陷识别的模块。因此,本文将深度学习技术运用于变电站巡检机器人漏油缺陷识别,给出了一种专门针对变电站设备漏油缺陷的识别网络,同时搭建了变电站设备漏油识别软、硬件环境,编写了具有可视化操作和识别功能的软件界面,并将漏油缺陷识别网络进行压缩并移植到该环境中,最终得到一个独立的变电站巡检机器人漏油缺陷识别模块。本文主要研究的工作内容总结如下:1.变电站巡检机器人漏油识别模块需求分析及数据集构建。对当前变电站巡检机器人目标缺陷识别的现状及尚未解决的识别问题做了总结分析,同时对变电站巡检机器人当前急需的漏油识别功能需求进行分析。针对变电站巡检机器人目标缺陷识别,对深度学习框架的搭建做了详细的介绍,构建了变电站设备漏油识别数据集,为巡检机器人变电站设备漏油识别方法研究奠定了基础。2.巡检机器人变电站设备漏油缺陷识别方法改进。通过对变电站设备漏油识别方法和深度学习网络的分析,并结合变电站设备漏油缺陷的特点,选择了一种适用于巡检机器人变电站设备漏油缺陷识别的神经网络并对其进行了改进,最后对改进的网络做了测试实验。该网络主要借鉴了ResNet与VGGNet的优点,通过取消下采样操作以及替换卷积核的改进方法,有效的减小了原图信息的损失,特别是小物体的信息损失。通过实验表明,改进的网络结构有效提高了变电站设备漏油缺陷识别网络的精度,尤其是对小目标的识别精度。3.变电站巡检机器人漏油识别模块设计与实现。针对当前变电站巡检机器人对设备漏油缺陷功能模块的需求,通过搭建变电站设备漏油识别软、硬件环境并编写具有可视化操作和识别功能的软件界面,将设备漏油缺陷识别网络进行压缩并移植到该环境中,得到了变电站巡检机器人漏油缺陷识别模块并对其进行了测试实验。实验结果表明,该模块性能良好,既能为机器人提供有效变电站漏油缺陷信息,又能满足客户的使用需求。