10.3969/j.issn.1007-757X.2023.05.011
基于Cascade R-CNN的输电线路关键部件识别
针对无人机在输电线路关键部件巡检图像中目标多,且尺度相差较大,导致识别率低的问题,提出使用深度学习目标检测算法Cascade R-CNN进行识别.由于输电线路关键部件无公开数据集,采集输电线路关键部件图片,并将图片数据的分辨率进行统一,使用LabelImg软件进行标注,制作一个符合训练要求的数据集.基于Paddle框架进行模型搭建,使用Paddle-Detection训练工具进行全流程训练调优,进行测试.实验结果表明,基于Cascade R-CNN算法的模型在进行目标尺寸相差较大的多目标检测时,在测试集上的精度(mAP)可以达到91.39%,检测效果较好.
输电线路、Cascade R-CNN、深度学习、目标检测
39
TP37(计算技术、计算机技术)
广东省制造装备数字化重点实验室开放课题2020B1212060014
2023-06-30(万方平台首次上网日期,不代表论文的发表时间)
共4页
32-35