基于DeepLab v3+深度卷积网络的输电导线图像识别方法

• 作者: 杨传凯 孔志战 谢倩楠 杜建超
• 来源期刊: 电力工程技术
• 关键词: 深度学习 图像处理 输电导线检测 语义分割 DeepLab v3+网络
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 技术探讨|Technology Discussion
• 页码范围: 189-194
• 页数: 6页
• 分类号: TM769|TP751
• 语种: 中文
• DOI: 10.12158/j.2096-3203.2021.04.027

摘要

输电导线图像识别是电力设备自动巡检过程中的重要环节.针对传统导线检测方法需人工设计目标特征、抗干扰能力差等问题,提出一种基于深度卷积网络(DeepLab v3+)的输电导线图像识别方法.首先,采用DeepLab v3+网络模型,实现导线的初步识别.通过多层卷积自动学习导线特征,并通过解码器结构融合导线低层的细节特征与高层的语义特征,较好地实现导线像素分割.然后,针对识别结果中存在的断裂和伪导线问题,采用改进的最小点对法和长度阈值法进一步精细化处理.最后,采用八方向搜索法提取每一条导线并编号.实验结果表明,所提方法能很好地提取出输电线路图像中的导线.