一种基于深度学习网络的输电杆塔智能检测算法

• 作者: 刘晓立 杜建超 杨传凯 沙洁韵 菅永峰 韦汶妍
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 深度学习 杆塔检测 智能巡检 VGG16 图像增广
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 深度学习算法
• 页码范围: 166-173
• 页数: 8页
• 分类号: TM769|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2020.009.021

摘要

为了满足电力设备智能巡检的要求,提出一种基于深度学习网络的输电杆塔智能检测算法.该算法采用Faster区域卷积神经网络(regional convolutional neural networks,R-CNN)架构,利用VGG16作为特征提取器,通过在ImageNet图像库上进行前期训练和本地迁移学习进行参数调整,减少深层网络参数的训练难度,有效提取杆塔的浅层基础特征以及深层抽象特征;为了扩大训练样本数量,提高模型检测准确度,对杆塔图像进行了镜像、旋转、锐化处理.实验结果表明,所提算法的检测准确度达到90.5％,能有效检测到监控图像中的杆塔,满足应用要求.