铁塔航拍图像中鸟巢的YOLOv3识别研究

• 作者: 何惠清 吕帅 孙思语 熊勇良 罗志勇 钟映春
• 来源期刊: 广东工业大学学报
• 学科: 工学
• 关键词: 高压电力线巡检 图像检测 鸟巢识别 YOLOv3算法 神经网络
• 年，卷（期）: 2020,（3）
• 页码范围: 42-48
• 页数: 7页
• 分类号: TP391.41
• 字数: 6037字
• 语种: 中文
• DOI: 10.12052/gdutxb.190128

摘要

电力铁塔上的鸟巢、风筝等异物会严重影响电力架空输电线路的安全性.无人机在巡检过程中会针对电力铁塔进行专门拍照,检测识别铁塔上是否存在鸟巢等异物.针对经典YOLOv3算法在识别铁塔航拍图像中的鸟巢时存在识别精度不高、识别效率偏低、权重参数规模过大等不足,提出了改进方法.首先,设计了改进算法的总体架构,并构建了图像数据集;其次,分别从预测框的宽高损失函数、预测类别不平衡损失函数和神经网络结构等3个方面对经典YOLOv3算法进行改进.实验结果表明,本文的改进措施切实有效,可以在提高识别精度的同时大幅度减小权重参数规模,且识别效率良好.此外,对YOLOv3的改进方法而言,改进其神经网络结构的效果明显好于其他改进措施,为将来在无人机巡检过程中实现实时检测识别目标物奠定了重要基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟映春	广东工业大学自动化学院	46	442	11.0	20.0
2	熊勇良		3	7	1.0	2.0
3	罗志勇		3	0	0.0	0.0
4	孙思语	广东工业大学自动化学院	1	0	0.0	0.0
5	吕帅		1	0	0.0	0.0
6	何惠清		1	0	0.0	0.0