首页 | 本学科首页   官方微博 | 高级检索  
     

基于改进YOLOv4及SR-GAN的绝缘子缺陷辨识研究
引用本文:高伟,周宸,郭谋发. 基于改进YOLOv4及SR-GAN的绝缘子缺陷辨识研究[J]. 电机与控制学报, 2021, 25(11): 93-104. DOI: 10.15938/j.emc.2021.11.011
作者姓名:高伟  周宸  郭谋发
作者单位:福州大学 电气工程与自动化学院,福州350108
摘    要:为了精准地识别无人机巡检图形中的小目标绝缘子及缺陷,本文提出了一种基于改进的深度学习目标检测网络(YOLOv4)的输电线路绝缘子缺陷检测方法.首先,通过无人机航拍及数据增强获得足够的绝缘子图像,构造绝缘子数据集.其次,利用绝缘子图像数据集训练YOLOv4网络,在训练过程中采用多阶段迁移学习策略和余弦退火学习率衰减法提高网络的训练速度和整体性能.最后,在测试过程中,对存在小目标的图像采用超分辨率生成网络,生成高质量的图像后再进行测试,以提高识别小目标的能力.实验结果表明,与Faster R-CNN和YOLOv3相比,所提算法在平均分类精度和每帧检测速率方面均有较大提升,性能表现优异.

关 键 词:绝缘子  缺陷检测  YOLOv4  数据增强  多阶段迁移学习  超分辨率生成网络

Insulator defect identification via improved YOLOv4 and SR-GAN algorithm
GAO Wei,ZHOU Chen,GUO Mou-fa. Insulator defect identification via improved YOLOv4 and SR-GAN algorithm[J]. Electric Machines and Control, 2021, 25(11): 93-104. DOI: 10.15938/j.emc.2021.11.011
Authors:GAO Wei  ZHOU Chen  GUO Mou-fa
Abstract:
Keywords:
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号