基于Cascade R-CNN的配电网鸟巢检测

• 作者: 赵锴 李继东 黄佳 郑静媛 张淞杰
• 来源期刊: 浙江电力
• 关键词: 配电网 鸟巢检测 深度学习 目标检测 卷积神经网络
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 电力大数据与人工智能|Power Big Data and Artificial Intelligence
• 页码范围: 73-78
• 页数: 6页
• 分类号: TM769
• 语种: 中文
• DOI: 10.19585/j.zjdl.202103011

摘要

绝大部分的配电网线路故障都是架空线路故障,而鸟害一直是导致架空线路故障高发的主要原因,仅次于雷害与外力破坏.并且由于输电线路人工巡检成本较大,电网公司缺乏有效的应对措施.近年来,随着深度学习技术的不断发展,基于深度学习方法的目标检测与定位识别技术已经达到不错的效果,并开始大规模应用于产业.因此提出了一种基于Cascade R-CNN的配电网鸟巢检测方法,实验结果证明,该方法可以为配电网提供一种相对稳定、高效的鸟巢检测结果.