| 铁塔航拍图像中鸟巢的YOLOv3识别研究 |
| |
| 引用本文： | 钟映春,孙思语,吕帅,罗志勇,熊勇良,何惠清.铁塔航拍图像中鸟巢的YOLOv3识别研究[J].广东工业大学学报,2020,37(3):42-48. |
| |
| 作者姓名： | 钟映春 孙思语 吕帅 罗志勇 熊勇良 何惠清 |
| |
| 作者单位： | 1. 广东工业大学 自动化学院, 广东 广州 510006;2. 广州市树根互联技术有限公司, 广东 广州 510308;3. 广州优飞科技有限公司, 广东 广州 510830;4. 国家电网江西省萍乡供电公司, 江西 萍乡 330000 |
| |
| 基金项目： | 广东省自然科学基金资助项目（2018A0303130137）；广东省高性能计算重点实验室开放项目（TH1528）；广东省哲学社会科学规划学科共建项目（GD18XJY05） |
| |
| 摘 要： | 电力铁塔上的鸟巢、风筝等异物会严重影响电力架空输电线路的安全性。无人机在巡检过程中会针对电力铁塔进行专门拍照，检测识别铁塔上是否存在鸟巢等异物。针对经典YOLOv3算法在识别铁塔航拍图像中的鸟巢时存在识别精度不高、识别效率偏低、权重参数规模过大等不足，提出了改进方法。首先，设计了改进算法的总体架构，并构建了图像数据集；其次，分别从预测框的宽高损失函数、预测类别不平衡损失函数和神经网络结构等3个方面对经典YOLOv3算法进行改进。实验结果表明，本文的改进措施切实有效，可以在提高识别精度的同时大幅度减小权重参数规模，且识别效率良好。此外，对YOLOv3的改进方法而言，改进其神经网络结构的效果明显好于其他改进措施，为将来在无人机巡检过程中实现实时检测识别目标物奠定了重要基础。
|
| 关 键 词： | 高压电力线巡检 图像检测 鸟巢识别 YOLOv3算法 神经网络 |
| 收稿时间： | 2019-10-17 |
|
| 点击此处可从《广东工业大学学报》浏览原始摘要信息 |
|
点击此处可从《广东工业大学学报》下载全文 |
|
