基于图像增广与迁移学习的输电线路金具多目标实时检测方法
架空输电线路金具的状态评估工作对于线路的可靠运行至关重要,金具的检测是评估工作的重要一环.针对金具识别检测中数据集人工标注的工作量大,以及难以兼顾高精度和快速性问题,提出一种基于YOLOX网络改进的输电线路金具检测方法.将无人机拍摄的金具图像进行增广预处理丰富数据集,骨干网络采用在线Mosaic、Mixup增强方式,引入基于特征提取的迁移学习并采用余弦退火学习率进行两阶段模型训练.实验结果表明,改进后的方法对各类金具检测的平均精度均值提高了18.32%,与Faster R-CNN等5种主流检测模型相比,所提方法平均检测精度均值最高,且检测速度仅次于YOLOv3,能够更加快速、精准地识别各类金具,并在一定程度上减少人工标注的工作量.
深度学习、卷积神经网络、迁移学习、实时检测、金具
45
TP391(计算技术、计算机技术)
国家自然科学基金;湖北省输电线路工程技术研究中心开放课题项目
2023-02-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
135-142