基于YOLO v3的输电线路缺陷快速检测方法

• 作者: 周仿荣 方明 潘浩 马御棠
• 来源期刊: 云南电力技术
• 学科: 工学
• 关键词: YOLO v3模型 深度学习 快速缺陷检测 视频识别
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 云电论坛获奖论文
• 页码范围: 112-116,120
• 页数: 6页
• 分类号: TM74
• 字数: 4654字
• 语种: 中文

摘要

无人机巡检方式在输电线路巡检中逐渐普及,但仅通过实时的人工观测效率低下.目前已有算法能够实现图像的自动识别,但检测速度慢,无法实现视频图像的处理.本文提出一种基于YOLO v3的输电线路缺陷快速检测方法.该方法首先建立YOLO v3目标检测模型,通过对训练样本库进行聚类分析得到目标候选区域的先验尺寸;通过调整损失函数来加快模型的训练过程,调整模型的学习方向.最后,通过建立输电线路缺陷样本库并进行训练,实现了输电线路缺陷检测.测试结果表明,相比于Faster RCNN、SSD等其他深度学习模型,基于YOLO v3的改进模型在速度上具有巨大的优势,且检测精度没有受到太大的影响,能够满足输电线路巡检视频的自动缺陷识别的需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马御棠	云南电网有限责任公司电力科学研究院	25	42	3.0	5.0
2	周仿荣	云南电网有限责任公司电力科学研究院	53	55	4.0	5.0
3	潘浩	云南电网有限责任公司电力科学研究院	9	3	1.0	1.0
4	方明		5	0	0.0	0.0