10.3969/j.issn.1001-3881.2022.13.004
基于深度学习的高压输电线路防振锤检测
为识别距离较近的防振锤,提出基于改进YOLOv4的防振锤自动检测方法.YOLOv4方法采用具有固定阈值的非极大值抑制方法选取检测框,较低的阈值会导致丢失高度重叠的目标,而较高的阈值则会导致更多的误检.为此,提出动态非极大值抑制方法,并将其应用于YOLOv4目标检测.该方法根据目标周围检测框的统计特性确定出动态阈值,提高边界框选择的准确性,降低高度重叠防振锤检测中的错检和漏检概率.为进一步提高防振锤检测精度,采用分段线性函数作为激活函数,克服YOLOv4算法中Leaky ReLU函数对负值处理不理想且函数曲线不平滑的问题,增强了模型的非线性表达能力.结果表明:基于改进YOLOv4的防振锤目标检测方法能够很好地检测出重叠的防振锤.且检测精度更高.
防振锤检测、深度学习、YOLOv4算法、非极大值抑制
50
TP391.4(计算技术、计算机技术)
国家自然科学基金;吉林省科技发展计划项目;吉林省教育厅十三五科学技术项目;吉林省教育厅十三五科学技术项目;北华大学青年科技创新团队
2022-09-16(万方平台首次上网日期,不代表论文的发表时间)
共5页
21-25