面向改进尺度缩放网络的绝缘子识别
目的 在电力系统中,准确地识别绝缘子目标是保障输电线路正常运行的重要前提.针对传统方法无法自动提取绝缘子特征,以及深度学习网络提取绝缘子语义信息不足的问题,提出了一种基于改进多尺度网络的绝缘子识别模型,同时满足自动识别和增强语义信息的要求.方法 改进工作主要分为3部分,首先,采用特征融合的方法,增强特征提取网络生成的特征图的语义信息;其次,特征提取后,为了避免经过多次卷积、池化操作,较小尺度绝缘子语义信息损失严重,因此,扩大网络中的小尺度特征图,进一步丰富较小尺度绝缘子的语义信息;最后,为了更好地识别尺度差异较大的绝缘子,改进锚点框的参数.完成改进工作后,通过边框回归得到绝缘子的准确位置信息,最终识别出绝缘子.结果 实验数据集由复合、玻璃和陶瓷3种材质的绝缘子构成,共有4350幅图像.在实验数据集上进行识别,实验结果与3种不同结构的多尺度网络模型相比,模型结构最优,识别准确率为96.28%,与传统的Faster RCNN(faster region convolutional neural network)、改进的Faster RCNN等方法相比,识别准确率提高了1.98%11.99%不等.结论 本文提出的改进模型使绝缘子识别准确率显著提高,为之后的输电线路检测工作夯实基础.
尺度缩放网络;绝缘子识别;语义信息;特征融合;卷积;池化;锚点框
26
TN911.73
国家自然科学基金项目;河北省自然科学基金项目;中央高校基本科研业务费专项资金资助
2021-11-24(万方平台首次上网日期,不代表论文的发表时间)
共10页
2561-2570