一种改进的YOLO目标检测方法在电缆设备异常状态识别中的应用

• 作者: 周自强 陈强 马必焕 齐冬莲
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 电缆设备状态识别 YOLO 批量归一化 RPN网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 理论与实验研究
• 页码范围: 14-20
• 页数: 7页
• 分类号: TM93
• 字数: 5148字
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2020.002.003

摘要

针对地下隧道电缆设备异常状态识别中目标设备较为单一、异常状态相对简单、综合识别速率和准确率较低的问题,文章提出一种改进的YOLO目标检测架构,对电缆设备进行定位和异常状态识别.首先,采用图像缩放方法调整图像尺寸为448×448,再利用卷积神经网络对特征进行提取,其中每一层采用批量归一化方法规范模型,最后通过RPN网络预测目标边界框.采用珠海地下电缆隧道中的图像数据进行仿真实验,并与YOLO和Faster RC-NN算法进行对比,实验结果验证了所提出方法的有效性,且算法识别准确率较高、鲁棒性好,可有效应用于地下电缆隧道的巡检机器人系统中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈强	浙江大学电气工程学院	23	258	6.0	16.0
2	齐冬莲	浙江大学电气工程学院	74	944	15.0	28.0
3	周自强		13	35	3.0	5.0
4	马必焕	浙江大学电气工程学院	1	1	1.0	1.0