深度学习在输电通道危物辨识技术中的应用

• 作者: 李鹏 杨可林 许永盛
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 深度学习 危物辨识 输电通道 卷积神经网络 目标检测
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 视听觉智能分析技术
• 页码范围: 49-55
• 页数: 7页
• 分类号: TM726.3|TP181|TP391.41
• 字数: 5731字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2019.009.006

摘要

针对现阶段电网输电通道数量庞大且地理位置复杂,人工巡检工作难度大、效率低的情况,提出了基于深度学习的输电通道危物辨识技术.该技术以输电通道上监控设备拍摄的图像数据作为训练样本,采用基于深度学习概念下的卷积神经网络的目标检测技术,识别和判断输电通道及其周围环境中可能造成故障的危险物体,并在图像中标注出危险物体的种类和位置.以Faster R-CNN模型和Mobilenet_SSD模型作为网络模型进行验证,两者能够正确识别危险物体的概率分别为92.77％和89.09％,说明该技术具备实际应用条件.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李鹏		30	11	2.0	2.0
2	许永盛		3	6	1.0	2.0
3	杨可林		1	0	0.0	0.0