基于改进Faster-RCNN的输电线巡检图像多目标检测及定位

摘要：

针对输电线巡检图像受光线、环境和拍摄角度等因素影响,图像中的电气设备呈现低分辨率和多形态化特征的问题,提出一种基于改进Faster-RCNN的巡检图像多目标检测及定位方法.该方法首先通过区域建议策略网络生成若干目标候选区域;然后基于实际巡检图像样本库,对卷积神经网络进行训练,以改善参数学习效果;最后利用正则化方法优化参数权重,提高检测速度,得到适应巡检图像多形态化特征的改进型Faster-RCNN模型.实际场景数据集测试结果表明,相比于数字图像处理、浅层机器学习、单阶法、双阶法、Mask-RCNN和Local Loss目标检测方法,所提改进型Faster-RCNN能够在不同分辨率和不同位置角度的巡检图像场景下保持较高的识别精度和速度,具有较高的工程实用价值.

关键词：区域建议、目标检测、特征提取、图像样本库、正则化

所属期刊栏目：39

分类号：TM755(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金面上项目51777142

在线出版日期：2019-06-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：213-218