航拍图像中绝缘子串的识别与分割方法研究

• 作者: 吕易航 高金峰
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 绝缘子串 Faster R-CNN FCN 深度学习 绝缘子串识别 语义分割
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 信息科学
• 页码范围: 16-22
• 页数: 7页
• 分类号: TM726
• 字数: 4672字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6841.2018299

摘要

为实现航拍图像中绝缘子串的识别与分割,以Faster R-CNN和全卷积神经网络( fully convolutional networks, FCN)为框架构建了深度学习算法,并以算法为核心搭建了绝缘子串图像检测平台.算法首先使用Faster R-CNN模型,结合Resnet-101深度残差卷积神经网络,对所有感兴趣区域进行分类,再对Bounding Box回归和坐标进行修正,用于绝缘子串的识别,接着以FCN网络为基础,通过微调使原网络适应新的绝缘子串数据集,实现了在复杂背景下绝缘子串的语义分割.实验结果表明,文中给出的方法与已有方法相比,不仅能够在不同光照条件、不同拍摄角度以及复杂背景干扰下实现绝缘子串的识别与分割,且处理时间短、精度高和鲁棒性强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高金峰	郑州大学电气工程学院	70	566	13.0	21.0
2	吕易航	郑州大学电气工程学院	2	2	1.0	1.0