基于深度学习的输电线路杆塔鸟窝识别方法研究

• 作者: 周振峰 时磊 杨渊 欧进永 邱实
• 来源期刊: 机电信息
• 关键词: 深度学习 RetinaNet模型 特征提取 特征金字塔 鸟窝识别
• 年，卷（期）: 2020,（24）
• 所属期刊栏目: 电气工程与自动化
• 页码范围: 22-23
• 页数: 2页
• 字数: 1464字
• 语种: 中文

摘要

为实现输电线路杆塔中鸟窝的快速准确检测,提出一种基于RetinaNet深度学习模型的鸟窝识别方法,利用ResNet-50进行前期特征提取,通过FPN网络对前期标准特征进行加强,构建特征金字塔影像,以满足不同尺度大小的鸟窝目标检测,然后在特征金字塔的基础上构建了一个分类子网和回归子网,分别用于识别鸟窝和回归鸟窝的具体位置.通过与经典目标检测方法进行详细对比分析,利用F1-Score精度指标和检测速度指标对检测效果进行了量化分析,实验结果表明,所采用的鸟窝检测模型F1-Score指标可达0.932,优于其他三种经典方法,并能充分应对拍摄角度、遮挡等各种复杂场景问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨渊		6	5	1.0	2.0
2	时磊		10	17	3.0	4.0
3	周振峰		2	0	0.0	0.0
4	欧进永		1	0	0.0	0.0
5	邱实		1	0	0.0	0.0