基于深度学习的无人机电网巡检缺陷检测研究
由于无人机电网巡检存在检测区域面积小、背景复杂、计算量大等特点,导致深度学习算法的准确率和实时性难以实现.为实现无人机电网巡检的准确、快速识别,分析了各类深度学习算法在复杂环境下对绝缘子的检测效果,提出了一种基于YOLO v3的目标检测算法.首先选用ResNet18作为主干网络结构,然后构建一个多尺度特征金字塔,将其与主干网络进行融合,形成深度融合的电网巡检绝缘子检测模型,可在提高检测准确率的同时,满足实时性的检测要求.实验结果表明,YOLO v3网络的均值平均精度(mAP)达98.10%,相比于Faster R-CNN提高了6.71%;其每秒检测帧数高达47.52帧,分别是R-CNN和Faster R-CNN的25倍和12倍.所提的YOLO v3网络具有更优的识别精度和检测速度.
无人机巡检、深度学习、YOLO v3、ResNet18、绝缘子
50
TP391.41;TP274;TG115.28
国家电网公司科技项目B30970200003
2022-06-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
132-139