无人机航拍电力部件图像准确分类

摘要：

无人机巡检航拍图像的品质对图像分类结果有很大的影响,为了准确分类航拍巡检图像,将包含绝缘子的图像分拣出来,需要大量高品质的图像样本.而航拍图像背景复杂、干扰多,缺乏高品质图像样本.为解决上述问题,采用3DS MAX软件进行绝缘子建模和渲染,生成绝缘子模拟图像,对样本库进行扩充.但是过量加入绝缘子模拟图像,会导致过学习,需要对加入的模拟图像数量进行限制.采用卷积神经网络算法,对扩充后的样本库进行训练,获取分类模型,用于分拣含绝缘子的图像.在此过程中,获取绝缘子真实图像样本数与模拟图像样本数的最优比例.实验结果表明,采用含有最优比例的图像样本库训练出的分类模型,能够对含绝缘子的图像进行准确分拣,分类准确率得到了大幅度提升.

关键词：图像分类、卷积神经网络、模拟图像样本、绝缘子

所属期刊栏目：35

分类号：TP391.9(计算技术、计算机技术)

资助基金：河北省自然科学基金F2017502016;中央高校基本科研业务费专项资金项目2014MS140

在线出版日期：2018-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：424-428