一种采用级联RPN的多尺度特征融合电表箱锈斑检测算法
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1006-2475.2020.01.022

一种采用级联RPN的多尺度特征融合电表箱锈斑检测算法

引用
配电柜锈蚀会导致的后果有接触不良,严重的甚至会导致火灾、部分电气控制设备爆炸.为此,本文提出一种基于神经网络的多尺度电表锈斑检测方法.首先,基于大量的锈斑数据,训练识别锈斑的卷积神经网络(CNN)模型;其次,利用训练出的CNN模型,对电表表箱的位置进行检测,同时实现对电表表面锈斑的实时识别.算法融合了通过级联RPN网络获得多尺度的特征映射,充分利用低层特征的位置信息和高层特征的强语义信息来增强检测效果.针对采集的电表锈斑数据集,电表检测达到94.9%的精确度,优于采用YOLOv2达到的91.1%的精确度,锈斑分类精度达到94.5%.锈斑识别的识别率、实时性和稳定性可以较好地满足实际应用的需要.

多尺度特征、级联RPN、锈斑检测

TP391(计算技术、计算机技术)

国网浙江省电力有限公司科技项目5211XT17000C

2020-04-14(万方平台首次上网日期,不代表论文的发表时间)

共5页

117-121

相关文献
评论
暂无封面信息
查看本期封面目录

计算机与现代化

1006-2475

36-1137/TP

2020,(1)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn