10.11959/j.issn.1000-0801.2020056
电网机巡图像分析框架与深度学习方法
随着智能制造与物联网技术的发展,无人机被电网企业广泛地应用于输电线路巡视检查,同时也产生了大量的巡检图像数据亟需分析与处理.针对机巡图像分析中面临的多类多尺度、光照变化及遮挡等挑战,设计了一套从用户数据归集、分析与自动标注到用户评价反馈的U2U图像分析框架,在此基础上研究了Faster R-CNN和SSD两种深度学习方法在绝缘子、防震锤、均压环、屏蔽环等电力部件检测中的应用,提出了基于K-means++聚类分析的兴趣对象锚点信息框设定方法.实验结果表明,本文提出的方法有效地提高了深度学习方法对多尺度兴趣部件的适应能力与检测精度,为后续更大规模的机巡图像缺陷检测及机巡深化应用提供了有益的借鉴.
智能电力系统、深度学习、多部件检测、无人机
36
TP183(自动化基础理论)
2020-10-19(万方平台首次上网日期,不代表论文的发表时间)
共8页
167-174