基于Mask R-CNN的电力设备锈迹检测

• 作者: 薛冰
• 来源期刊: 计算机系统应用
• 关键词: 深度学习 MaskR-CNN 锈迹检测 不规则 实例分割
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 研究开发
• 页码范围: 248-251
• 页数: 4页
• 字数: 2489字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006914

摘要

电力设备锈迹目标的识别在电力安全方面具有极高的应用价值,但是锈迹具有大小、形状不规则等特点,利用传统的机器学习算法检测效率和准确率不高.针对这一问题,研究分析锈迹特点,提出基于Mask R-CNN的电力设备锈迹检测识别方法.使用Faster R-CNN完成目标检测的功能,FCN精准的完成语义分割的功能,实现像素级别的分类识别,较好地解决了不规则锈迹的检测问题.实验结果表明,基于Mask R-CNN的电力设备锈迹检测结果准确率高.