基于深度学习的高压杆塔异物检测

• 作者: 师飘 张超 郑祥明
• 来源期刊: 重庆科技学院学报（自然科学版）
• 学科: 工学
• 关键词: 深度学习 Fast R-CNN模型 高压杆塔 鸟巢 目标检测
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 计算机技术
• 页码范围: 83-87
• 页数: 5页
• 分类号: TP391
• 字数: 4125字
• 语种: 中文

摘要

针对高压杆塔的安全性易受鸟巢等异物影响的情况,提出基于经典深度学习理论的Fast R-CNN算法,实现对异物的快速检测,降低安全风险.该算法的基本思路是,通过Selective Search法提取杆塔图像候选区域,并基于CaffeNet网络模型优化参数,经过多次迭代和样本训练,最后智能检测出杆塔图像中的鸟巢并定位目标区域.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑祥明	亳州学院电子与信息工程系	10	10	2.0	2.0
2	张超	亳州学院电子与信息工程系	3	1	1.0	1.0
3	师飘	亳州学院电子与信息工程系	3	0	0.0	0.0