基于深度卷积神经网络的输电线路可见光图像目标检测

• 作者: 周筑博 张巍 张静 王晓婧 高佼
• 来源期刊: 液晶与显示
• 学科: 工学
• 关键词: 输电线路图像 绝缘子 目标检测 深度学习 卷积神经网络
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 图像处理
• 页码范围: 317-325
• 页数: 9页
• 分类号: TP751.1
• 字数: 4488字
• 语种: 中文
• DOI: 10.3788/YJYXS20183304.0317

摘要

为了检测输电线路可见光图像中的塔材、玻璃绝缘子和复合绝缘子,本文采用了一种基于深度卷积神经网络的技术.通过有人直升机搭载高清相机拍摄19条不同的输电线路近600张图片,对图片中的背景、塔材、玻璃绝缘子和复合绝缘子目标进行人工标注及分块,采用数据扩展生成包含15万个样本的输电线路图像库.构造5层深度卷积神经网络,首先用Cifar-100数据集对网络进行预训练,然后用输电线路图像库进行网络调优.本文方法在检测真阳率为90%时,假阳率低于10%,明显优于传统方法,可用于输电线路可见光图像中的塔材、玻璃绝缘子和复合绝缘子检测,检测结果可用于诊断参考或进一步的目标状态分析.可对输电线路可见光图像中的塔材和绝缘子目标进行检测,并可扩展到其它类型目标的检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张巍		9	41	4.0	6.0
2	周筑博		5	26	3.0	5.0
3	张静		3	28	2.0	3.0
4	高佼		2	14	1.0	2.0
5	王晓婧		1	14	1.0	1.0