多旋翼无人机巡检图像的部件识别应用

• 作者: 罗艺 王乾龙 晏凯
• 来源期刊: 云南电力技术
• 关键词: RCNN 卷积神经网络 多旋翼无人机巡检图像 电力小部件识别
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: “智慧输电技术”特约专栏|Special column
• 页码范围: 20-24
• 页数: 5页
• 分类号: TM74
• 语种: 中文
• DOI: 10.3969/j.issn.1006-7345.2021.01.005

摘要

随着多旋翼无人机(UAV)在电力巡线作业中的应用推广,对多旋翼无人机巡检图像的信息挖掘或目标识别需求也越来越强烈.目前Fast-RCNN和Faster R-CNN利用CNN网络提取图像特征,后接一个区域提议层,优化了提取可能含有目标区域的方式并改进识别目标的分类器,使目标的检测和识别几乎实时.本文详细描述了Faster R-CNN算法流程,并在多旋翼无人机电力线巡检图像部件检测中使用,然后分别对DPM、sppnet和Faster R-CNN识别方法进行了对比分析,利用实际采集的电力小部件巡检数据构建的数据集对3种方法进行测试验证,并讨论了不同参数对识别结果的影响.实验结果表明,基于深度学习的识别方法实现电力小部件的识别是可行的,而且利用Faster RCNN进行多种类别的电力小部件识别定位可以达到每张近80 ms的识别速度和92.7％的准确率.