面向高空塔架鸟巢检测的双尺度YOLOv3网络学习

摘要：

鸟类在高空塔架筑巢的问题给长距离输电线路的安全运行埋下了重大隐患.现有人工巡检方式效率低、成本高,而自动巡检技术仍面临着精度和效率的较大挑战.本文提出一种面向高空塔架鸟巢检测的双尺度YOLOv3网络学习方法.不同于经典的YOLOv3检测网络,该网络采用两个有次序的YOLOv3网络分别进行鸟巢的预检测和最终判别,由此兼顾了算法的精度与效率.为了进一步提高网络性能,该网络采用不同尺度图像作为输入,并对原始图像数据进行梯度增强.在真实巡检测试数据集上的实验结果表明,本文检测算法的准确率较高且具有较强的抗噪声性能,其召回率显著优于常用对比算法.

关键词：鸟巢检测;电力巡检;YOLOv3网络;深度学习;高空电力塔架

所属期刊栏目：37

分类号：TP183(自动化基础理论)

资助基金：国网浙江省电力有限公司科技项目5211MR18004P

在线出版日期：2021-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：253-260