本文主要研究内容
作者张鸥,徐强胜,刘靖波,刘瑞,史哲,彭丹青,贾高毅（2019）在《无人机巡检图像电力小部件识别技术研究》一文中研究指出：随着无人机(UAV)在电巡线作业中的应用推广,对无人机巡检图像的目标识别需求也越来越强烈。传统的电力部件识别流程常使用经典的机器学习算法,如支持向量机(SVM)、随机森林或adaboost,结合梯度、颜色或纹理等浅层特征来对电力部件进行识别,难以达到较高的准确率。随着卷积神经网络(CNN)在目标识别中的兴起,基于区域的卷积神经网络(RCNN)通过使用CNN从图像中提取可能含有目标的区域来检测并识别目标。Fast R-CNN和Faster R-CNN利用CNN网络提取图像特征,后接一个区域提议层,优化了提取可能含有目标区域的方式并改进识别目标的分类器,使得目标的检测和识别几乎实时。本文详细描述了Faster R-CNN算法流程,并分析了几个关键参数,如dropout比例、nms、批处理尺寸对识别结果的影响,给出了一些针对Faster R-CNN算法的建设性调优建议。最后利用实际采集的电力小部件巡检数据构建的数据集对Faster R-CNN算法进行测试验证。实验结果表明,基于深度学习的识别方法实现电力小部件的识别是可行的,而且利用Faster R-CNN进行多种类别的电力小部件识别定位可以达到每张近80ms的识别速度和92.7%的准确率。这些结果也表明Faster R-CNN算法的优势。
Abstract
sui zhao mo ren ji (UAV)zai dian xun xian zuo ye zhong de ying yong tui an ,dui mo ren ji xun jian tu xiang de mu biao shi bie xu qiu ye yue lai yue jiang lie 。chuan tong de dian li bu jian shi bie liu cheng chang shi yong jing dian de ji qi xue xi suan fa ,ru zhi chi xiang liang ji (SVM)、sui ji sen lin huo adaboost,jie ge ti du 、yan se huo wen li deng jian ceng te zheng lai dui dian li bu jian jin hang shi bie ,nan yi da dao jiao gao de zhun que lv 。sui zhao juan ji shen jing wang lao (CNN)zai mu biao shi bie zhong de xing qi ,ji yu ou yu de juan ji shen jing wang lao (RCNN)tong guo shi yong CNNcong tu xiang zhong di qu ke neng han you mu biao de ou yu lai jian ce bing shi bie mu biao 。Fast R-CNNhe Faster R-CNNli yong CNNwang lao di qu tu xiang te zheng ,hou jie yi ge ou yu di yi ceng ,you hua le di qu ke neng han you mu biao ou yu de fang shi bing gai jin shi bie mu biao de fen lei qi ,shi de mu biao de jian ce he shi bie ji hu shi shi 。ben wen xiang xi miao shu le Faster R-CNNsuan fa liu cheng ,bing fen xi le ji ge guan jian can shu ,ru dropoutbi li 、nms、pi chu li che cun dui shi bie jie guo de ying xiang ,gei chu le yi xie zhen dui Faster R-CNNsuan fa de jian she xing diao you jian yi 。zui hou li yong shi ji cai ji de dian li xiao bu jian xun jian shu ju gou jian de shu ju ji dui Faster R-CNNsuan fa jin hang ce shi yan zheng 。shi yan jie guo biao ming ,ji yu shen du xue xi de shi bie fang fa shi xian dian li xiao bu jian de shi bie shi ke hang de ,er ju li yong Faster R-CNNjin hang duo chong lei bie de dian li xiao bu jian shi bie ding wei ke yi da dao mei zhang jin 80msde shi bie su du he 92.7%de zhun que lv 。zhe xie jie guo ye biao ming Faster R-CNNsuan fa de you shi 。
论文参考文献
论文详细介绍
论文作者分别是来自科技创新导报的张鸥,徐强胜,刘靖波,刘瑞,史哲,彭丹青,贾高毅，发表于刊物科技创新导报2019年14期论文，是一篇关于无人机巡检图像论文,电力部件识别论文,科技创新导报2019年14期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自科技创新导报2019年14期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。