作者：熊小萍,許 爽,蒙登越等( 廣西大學)
摘 要:隨著多旋翼無人機引入輸電線路巡檢作業後,對巡線人員通過圖像判斷線路上設備是否有缺陷提出了新的挑戰。 為了幫助巡線人員做出準確決策,提高發現缺陷的能力,基於深度卷積神經網絡,搭建了適用於無人機圖像識別的輸電線路缺陷識別網絡模型。 首先詳細描述了輸電線路缺陷識別圖像數據庫的建立過程,然後通過分析對比三個預訓練前端網絡的性能及多個參數對網絡模型識別準確率的影響,得到基於 Faster R-CNN 的輸電線路缺陷最優識別網絡模型。 經過測試集驗證,提出的缺陷識別網絡模型的識別準確率達到了 90% 以上,單張圖片耗時達到了毫秒級,在識別準確率和耗時上均明顯優於其他識別網絡模型,為實際巡線工作中的輸電線路缺陷判別提供智能有效的決策依據,是機器學習在智能電網中應用的有益探索。
關鍵詞:圖像識別;深度卷積神經網絡;Faster R-CNN;線路缺陷識別;機器學習
論文引用格式
[1]熊小萍,許爽,蒙登越,韋香祥,屠德然,武文梁.基於Faster R-CNN的輸電線路缺陷識別模型研究[J].自動化與儀器儀表,2020(03):1-6.
分享到:
閱讀更多 自動化與儀器儀表 的文章
