基于深度学习的输电线路杆塔鸟窝识别方法研究 |
| |
引用本文: | 欧进永,杨渊,时磊,周振峰,邱实.基于深度学习的输电线路杆塔鸟窝识别方法研究[J].机电信息,2020(24):22-23. |
| |
作者姓名: | 欧进永 杨渊 时磊 周振峰 邱实 |
| |
作者单位: | 贵州电网有限责任公司输电运行检修分公司,贵州贵阳550000;贵州电网有限责任公司输电运行检修分公司,贵州贵阳550000;贵州电网有限责任公司输电运行检修分公司,贵州贵阳550000;贵州电网有限责任公司输电运行检修分公司,贵州贵阳550000;贵州电网有限责任公司输电运行检修分公司,贵州贵阳550000 |
| |
摘 要: | 为实现输电线路杆塔中鸟窝的快速准确检测,提出一种基于Retina Net深度学习模型的鸟窝识别方法,利用ResNet-50进行前期特征提取,通过FPN网络对前期标准特征进行加强,构建特征金字塔影像,以满足不同尺度大小的鸟窝目标检测,然后在特征金字塔的基础上构建了一个分类子网和回归子网,分别用于识别鸟窝和回归鸟窝的具体位置。通过与经典目标检测方法进行详细对比分析,利用F1-Score精度指标和检测速度指标对检测效果进行了量化分析,实验结果表明,所采用的鸟窝检测模型F1-Score指标可达0.932,优于其他三种经典方法,并能充分应对拍摄角度、遮挡等各种复杂场景问题。
|
关 键 词: | 深度学习 RetinaNet模型 特征提取 特征金字塔 鸟窝识别 |
本文献已被 CNKI 万方数据 等数据库收录! |
|