基于目标检测的电网涉鸟故障相关鸟种智能识别

摘要：

鸟类活动引起的电网故障呈现上升趋势,为了辅助输电线路巡检人员进行鸟类识别,该文提出一种基于YOLOv4目标检测的涉鸟故障相关鸟种图像识别方法.利用巡检图像与网络资源构建电网涉鸟故障典型危害鸟种图像数据集,并进行图像标注与数据增广.建立YOLOv4检测模型,采用多阶段迁移学习进行模型训练,并引入Mosaic数据增强、余弦退火衰减及标签平滑3种方法提升训练效果,分析先验框个数、训练方法、样本数量等因素对测试结果的影响,得到最优检测模型,对包含20类鸟种、1134个真实目标的图像测试集进行检测,平均精度均值可达92.2％.将YOLOv4检测结果与Faster RCNN、SSD、YOLOv3进行对比,其检测精度更高,误检数更低.研究结果表明,该文建立的YOLOv4模型能够有效检测输电线路巡检图像中的鸟类目标并实现鸟种识别,可为涉鸟故障差异化防治提供参考.

关键词：输电线路;涉鸟故障;目标检测;YOLOv4;鸟种图像识别

所属期刊栏目：46

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国网江西省电力有限公司科技项目;江西省青年科学基金;江西省重点研发计划;江西省研究生创新专项资金项目

在线出版日期：2022-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：369-377