深度学习在军用光缆线路无人机巡检中的应用

• 作者: 夏贵进 张明江 李红卫 王程远 赵卫虎
• 来源期刊: 光通信研究
• 学科: 工学
• 关键词: 无人机光缆线路巡检 深度学习 更快的基于区域的卷积神经网络 工程车辆检测
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 光纤光缆技术与应用
• 页码范围: 57-61
• 页数: 5页
• 分类号: TP391.4
• 字数: 3337字
• 语种: 中文
• DOI: 10.13756/j.gtxyj.2018.06.009

摘要

军用光缆网是重要的国防基础通信设施,传统的人工徒步巡检是查找光缆线路隐患的主要措施,但其耗时长,人力物力消耗大,易受敷设方式和地形环境变化影响.而采用无人机进行光缆线路巡检,时效性强,安全性高且经济性好,是未来的重点发展方向.由于工程车辆施工挖掘是造成光缆线路障碍的最主要原因,为此,文章提出将深度学习更快的基于区域的卷积神经网络(Faster R-CNN)目标检测方法应用到无人机航拍巡检图像的工程车辆检测中.基于航空影像中的车辆检测(VE-DAD公共数据集制作了工程车辆数据集,通过仿真训练和测试,实现了航拍图像中挖掘机和推土机等工程车辆的Faster R-CNN目标检测,检测平均精度(AP)值达0.659,优于传统的可变形组建模型(DPM)和方向梯度直方图+局部二值模式+支持向量机(HOG+ LBP+ SVM)等机器学习检测算法,研究结果可为军用光缆线路的无人机巡检应用研究提供一定的参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张明江	国防科技大学信息通信学院	3	6	1.0	2.0
2	李红卫	国防科技大学信息通信学院	7	6	1.0	2.0
3	赵卫虎	国防科技大学信息通信学院	3	9	2.0	3.0
4	夏贵进	国防科技大学信息通信学院	6	6	1.0	2.0
5	王程远	国防科技大学信息通信学院	2	9	2.0	2.0