适用于移动端的输电线路鸟类检测算法研究

摘要：

输电线路安全是电网安全稳定运行的前提,但是频繁的鸟类活动却给输电线路造成了严重影响.为解决传统驱鸟方式的弊端,研究人员采用深度学习算法进行鸟类检测,然而深度学习算法需运行在性能好的服务器上,这必然会造成网络时延,无法做到实时驱鸟,所以应在移动端进行鸟类检测,但现有的目标检测算法模型较大,无法直接应用在移动端,因此本文提出一种适用于移动端的YOLO v3输电线路鸟类检测算法,将YOLO v3模型中的基础网络darknet-53替换成轻量级的特征提取网络MobileNet,实现了移动端输电线路鸟类检测.实验结果表明,在输电线路鸟类检测任务中,该模型准确率可达到83.57％,检测速度达到61 fps,可在内存4 GB的移动端平台稳定运行,能够满足输电线路鸟类检测任务的精度要求及实时性要求,具有良好的应用前景.

关键词：输电线路、移动端、鸟类检测、YOLO v3、深度学习

分类号：TP399(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61300132

在线出版日期：2020-04-14（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：110-114