基于DeepLab V3+的无人机航拍绝缘子图像自动化分割方法 |
| |
引用本文: | 徐越,段鑫,刘子祎,袁晨,刘君.基于DeepLab V3+的无人机航拍绝缘子图像自动化分割方法[J].电瓷避雷器,2023(2):180-188. |
| |
作者姓名: | 徐越 段鑫 刘子祎 袁晨 刘君 |
| |
作者单位: | 1. 国家电网江西省电力有限公司南昌供电分公司;2. 南昌航空大学信息工程学院 |
| |
基金项目: | 国家自然科学基金(编号:61963030); |
| |
摘 要: | 绝缘子是输电线路的重要组成部分。为了实现输电线路巡检的智能化,对绝缘子区域的自动化识别是基础性工作之一。笔者提出了一种基于DeepLab V3+的无人机航拍绝缘子图像自动化分割方法,同时将DeepLab V3+的分割性能与现有的主流卷积神经网络U-Net、Residual U-Net、Dilated U-Net进行了比较。结果显示DeepLab V3+方法不但在DICE指标上得到了93.28%的分割精度,在IOU指标、敏感性和Jaccard定量分析中也都表现出最好的性能。实验证明该方法为自动化分割绝缘子区域,提高输电线路巡检的效率和准确性提供了一种潜在的工具。
|
关 键 词: | 电网巡检 绝缘子 卷积神经网络 图像分割 |
|
|