基于改进Cascade R-CNN的输电线路多目标检测

• 作者: 李鑫 刘帅男 杨桢 王珂珂
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 输电线路多目标检测 Cascade R-CNN 深度学习 特征融合
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 学术论文|PAPERS
• 页码范围: 24-32
• 页数: 9页
• 分类号: TM75|TN06
• 语种: 中文
• DOI: 10.13382/j.jemi.B2104058

摘要

针对无人机巡检图像中小目标难以检测、障碍物遮挡目标、正负样本不平衡等问题,提出基于改进Cascade R-CNN的输电线路多目标检测方法.改进了Cascade R-CNN的特征提取网络,基于ResNet101基础网络结构,设计6层新型特征金字塔网络(FPN)与之融合,提高了对小目标、重叠目标的检测能力;引入了高斯形式的软非极大值抑制(Soft-NMS)方法,降低了受遮挡影响的目标的漏检率;利用Focal损失改进损失函数,缓解了正负样本不平衡对检测精度的影响.训练过程中,基于添加噪声、亮度变换、尺度放缩等数据增强方法扩充数据集,提升了训练模型的泛化性能.实验结果表明,改进的模型在复杂背景下能够对3种瓷质绝缘子、瓷质绝缘子缺陷、相间棒、防震锤以及鸟窝同时检测,平均精度均值(mAP)达到94.1％,为输电线路的智能巡检提供了一种新思路.