您当前的位置： 首页 > 论文 > 2020,51(02) > 信息与计算机
基金项目:
国网山西省电力公司科技项目(52053017000N);
分类号:
TM755
DOI:
10.16355/j.cnki.issn1007-9432tyut.2020.02.009
期刊号:
2020,51(02)
收稿日期:
修回日期:
| 通讯作者 | 单位 |
| 张兴忠 | 太原理工大学软件学院 |
摘要:
基于深度学习的目标检测技术因其自身复杂的模型结构和对算力的需求,导致应用于无人机输电线路巡检中无法在机载前端实现高效且准确的检测。针对这一问题,面向输电线路无人机前端巡检中绝缘子、悬垂线夹及防震锤3类部件,选取Single Shot MultiBox Detector(SSD)目标检测算法,通过使用不同的骨干网络对比性能差异,选择最佳网络结构并采用特征融合手段提高检测准确率。实验结果表明,采用Mobilenetv1作为SSD的骨干网络进行特征提取,并融合不同层次特征进行检测,Mean Average Precision(mAP)可达90.21%,在具有边缘计算能力的嵌入式设备上可以达到每张63 ms的检测速度。为输电线路无人机前端实时检测提供了重要参考。
关键字:
输电线路巡检;部件检测;SSD;特征融合;