基于Faster R-CNN的输电线路缺陷识别模型研究

熊小萍; 许爽; 蒙登越; 韦香祥; 屠德然; 武文梁

首页> 中文期刊> 《自动化与仪器仪表》 >基于Faster R-CNN的输电线路缺陷识别模型研究

基于Faster R-CNN的输电线路缺陷识别模型研究

开具论文收录证明 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

随着多旋翼无人机引入输电线路巡检作业后,对巡线人员通过图像判断线路上设备是否有缺陷提出了新的挑战。为了帮助巡线人员做出准确决策,提高发现缺陷的能力,基于深度卷积神经网络,搭建了适用于无人机图像识别的输电线路缺陷识别网络模型。首先详细描述了输电线路缺陷识别图像数据库的建立过程,然后通过分析对比三个预训练前端网络的性能及多个参数对网络模型识别准确率的影响,得到基于Faster R-CNN的输电线路缺陷最优识别网络模型。经过测试集验证,提出的缺陷识别网络模型的识别准确率达到了90%以上,单张图片耗时达到了毫秒级,在识别准确率和耗时上均明显优于其他识别网络模型,为实际巡线工作中的输电线路缺陷判别提供智能有效的决策依据,是机器学习在智能电网中应用的有益探索。

著录项

来源
《自动化与仪器仪表》 |2020年第3期|1-6|共6页
作者
熊小萍; 许爽; 蒙登越; 韦香祥; 屠德然; 武文梁;
展开▼
作者单位

广西大学电气工程学院;

南宁530004;

广西电网有限责任公司来宾供电局;

广西来宾546100;

展开▼
原文格式 PDF
正文语种 chi
中图分类人工智能理论;
关键词
图像识别; 深度卷积神经网络; Faster; R-CNN; 线路缺陷识别; 机器学习;

相似文献

中文文献
外文文献
专利

1. 边缘算法优化Faster R-CNN算法下的输电线路缺陷识别方法 [J] . 耿座学 ,李学富 . 无损检测 . 2023,第9期
2. 基于Faster R-CNN的铝型材表面缺陷识别研究 [J] . 邓慧 ,崔亚飞 . 济源职业技术学院学报 . 2022,第3期
3. 基于改进Cascade Faster R-CNN的铝型材表面缺陷识别研究 [J] . 崔亚飞 ,罗辉 ,秦龙 . 机电工程技术 . 2021,第11期
4. 基于Faster R-CNN的钢板表面缺陷识别研究 [J] . 路生亮 ,马驰 ,胡辉 . 电脑编程技巧与维护 . 2021,第10期
5. 基于Faster R-CNN的钢轨表面缺陷识别研究 [J] . 苏烨 ,李筠 ,杨海马 . 电子科技 . 2020,第9期
6. 基于GAN和Faster R-CNN的色织物缺陷识别 [C] . 李明 ,景军锋 ,李鹏飞 . 2018全国针织技术交流会 . 2018
7. 基于改进Faster R-CNN的输电线路多目标检测算法研究 [A] . 张科 . 2022

基于Faster R-CNN的输电线路缺陷识别模型研究

摘要

著录项

相似文献

相关主题

期刊订阅