基于改进YOLOv3的高压输电线路关键部件检测方法

• 作者: 程曦 翁智 郑志强
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 深度学习 输电巡检 目标检测 YOLOv3 残差模块
• 年，卷（期）: 2020,（z2）
• 所属期刊栏目: 虚拟现实与多媒体计算
• 页码范围: 183-187
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020050701

摘要

针对高压输电线路后期的缺陷检测和故障诊断,保障电力系统的稳定运行,实现无人机(UAV)巡检的智能化,提出基于改进YOLOv3的高压输电线路关键部件目标检测算法.该算法引入了Res2Net残差模块替换原有的残差模块,用更少的模块获得更高的特征提取效率,有效提升了网络的细粒度检测能力,解决了输电巡检目标多样化、角度多变的问题;同时借鉴了知识蒸馏的迁移学习方案,加强了浅层信息的融合,相比于原网络提高了准确率,减少了漏检率.最后将该算法应用于自建航拍数据集上,实验结果表明,基于YOLOv3的改进网络能够实现巡检关键部件的同步快速定位,此方法构建模型的平均准确率达到90.9％,运行速度为42 frame/s.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	翁智		3	5	1.0	2.0
2	程曦		1	0	0.0	0.0
3	郑志强		2	9	1.0	2.0