基于高分辨率SAR影像和深度学习的输电杆塔智能识别研究

• 作者: 李闯 杨知 欧文浩 费香泽 赵斌滨 马潇
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 输电杆塔识别 SAR影像 YOLO v2 VGG 深度学习
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 智能电网
• 页码范围: 71-77
• 页数: 7页
• 分类号: TM933
• 字数: 5715字
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2020.04.012

摘要

近年来,强降雪、洪涝等极端气象灾害频发,对输电线路安全运行造成巨大挑战.星载合成孔径雷达技术(SAR)技术作为一种广域、全天时、全天候的新型感知技术,可实现大范围输电线路受灾情况的快速评估.针对复杂背景下的高分辨率SAR影像中的电塔识别问题,文章提出一种结合YOLO v2和VGG模型级联的Two-Stage目标检测算法.在Stage-1阶段,基于YOLO v2对整景SAR影像进行电塔检测;在Stage-2阶段,基于VGG对Stage-1的检测结果进行假阳性消除.以2018年1月强降雪后某地的COSMO影像为例进行测试,结果表明电塔召回率可达85.7％,证明文中方法可较准确地识别整景SAR影像的电塔目标.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	费香泽		7	13	2.0	3.0
2	赵斌滨		12	31	3.0	5.0
3	马潇		9	8	2.0	2.0
4	杨知		4	3	1.0	1.0
5	欧文浩		4	1	1.0	1.0
6	李闯		3	1	1.0	1.0