一种改进的YOLO目标检测方法在电缆设备异常状态识别中的应用

摘要：

针对地下隧道电缆设备异常状态识别中目标设备较为单一、异常状态相对简单、综合识别速率和准确率较低的问题,文章提出一种改进的YOLO目标检测架构,对电缆设备进行定位和异常状态识别.首先,采用图像缩放方法调整图像尺寸为448×448,再利用卷积神经网络对特征进行提取,其中每一层采用批量归一化方法规范模型,最后通过RPN网络预测目标边界框.采用珠海地下电缆隧道中的图像数据进行仿真实验,并与YOLO和Faster RC-NN算法进行对比,实验结果验证了所提出方法的有效性,且算法识别准确率较高、鲁棒性好,可有效应用于地下电缆隧道的巡检机器人系统中.

关键词：电缆设备状态识别、YOLO、批量归一化、RPN网络

所属期刊栏目：57

分类号：TM93

资助基金：国家自然科学基金面上资助项目6157010854;国网浙江省电力公司电力科学研究院项目5211DS16002R

在线出版日期：2020-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：14-20