检索结果-维普期刊中文期刊服务平台

基于改进Faster-RCNN的无人机巡检架空线路销钉缺陷检测被引量：70: 1; 作者顾超越李喆 +3 位作者史晋涛赵航航江一江秀臣《高电压技术》 EI CAS CSCD 北大核心 2020年第9期3089-3096,共8页; 为了提升无人机巡检架空线路的效率,提高架空线路销钉缺陷检出率,提出了一种基于改进Faster-RCNN算法的无人机巡检架空线路销钉缺陷检测方法。针对无人机巡检图像背景大、销钉目标尺寸小的特点,通过以深度残差网络ResNet101作为前置特... 展开更多; 关键词无人机巡检图像架空线路销钉缺陷检测卷积神经网络多尺度特征融合; 在线阅读下载PDF 职称材料

改进YOLOv3模型在无人机巡检输电线路部件缺陷检测中的应用研究被引量：28: 2; 作者叶翔孙嘉兴 +3 位作者甘永叶冉倩吴达吕泽敏《电测与仪表》北大核心 2023年第5期85-91,共7页; 针对传统输电线路无人机巡检图像检测方法存在的精度低、计算时间长和训练样本少等问题,提出了一种用于输电线路部件绝缘子缺陷识别的改进YOLOv3模型。引入K-means++算法解决小目标不敏感问题,引入Focalloss函数解决样本不均衡问题,引入... 展开更多; 关键词输电线路无人机巡检图像绝缘子缺陷 YOLOv3模型注意力机制; 在线阅读下载PDF 职称材料

改进YOLO v7的绝缘子检测与定位被引量：20: 3; 作者张剑锐魏霞 +2 位作者张林鍹陈燕楠卢杰《计算机工程与应用》 CSCD 北大核心 2024年第4期183-191,共9页; 针对电力系统目标检测任务中绝缘子大小不一、背景干扰等影响而导致精度低、漏检率高的问题,提出了基于改进YOLO v7绝缘子检测与定位方法。在YOLO v7骨干网络中加入轻量级注意力机制(convolutional block attention module, CBAM),使网... 展开更多; 关键词目标检测深度学习无人机巡检图像绝缘子识别; 在线阅读下载PDF 职称材料

基于深度学习的架空输电导线缺陷检测方法研究被引量：10: 4; 作者翟学明李晓翟羽佳《电网技术》 EI CSCD 北大核心 2023年第3期1022-1030,共9页; 无人机巡检图像中,架空输电导线断股、表面磨损等缺陷存在人工复检效率低、误检漏检率高的问题,为此提出了一种基于深度学习的架空输电导线缺陷智能检测方法。该方法以Unet为基础网络,结合迁移学习的思想,将VGG16(visual geometry group... 展开更多; 关键词无人机巡检图像输电导线缺陷检测迁移学习深度可分离卷积高效通道注意力; 在线阅读下载PDF 职称材料

题名基于改进Faster-RCNN的无人机巡检架空线路销钉缺陷检测被引量：70: 1; 作者顾超越李喆史晋涛赵航航江一江秀臣; 机构上海交通大学电子信息与电气工程学院中国南方电网超高压输电公司广州局; 出处《高电压技术》 EI CAS CSCD 北大核心 2020年第9期3089-3096,共8页; 文摘为了提升无人机巡检架空线路的效率,提高架空线路销钉缺陷检出率,提出了一种基于改进Faster-RCNN算法的无人机巡检架空线路销钉缺陷检测方法。针对无人机巡检图像背景大、销钉目标尺寸小的特点,通过以深度残差网络ResNet101作为前置特征提取网络,增大训练图像尺度,建立特征金字塔融合多尺度特征,以K-means算法优化初始锚框,对Faster-RCNN算法进行改进;并用实际无人机巡检图像进行实验测试。实验结果表明,该方法对无人机巡检图像中销钉缺陷有较好的检测效果,在测试数据集上检测精确度达到93.6%,召回率达到89.8%,泛化能力较强,相比现有其他常见目标检测方法,检测效果更好。; 关键词无人机巡检图像架空线路销钉缺陷检测卷积神经网络多尺度特征融合; Keywords UAV patrol image overhead line pin defect detection convolutional neural network multi-scale feature fusion; 分类号 TM755 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名改进YOLOv3模型在无人机巡检输电线路部件缺陷检测中的应用研究被引量：28: 2; 作者叶翔孙嘉兴甘永叶冉倩吴达吕泽敏; 机构广东电网有限责任公司广州供电局; 出处《电测与仪表》北大核心 2023年第5期85-91,共7页; 基金中国南方电网有限责任公司科技项目(GZHKJX M20180112)。; 文摘针对传统输电线路无人机巡检图像检测方法存在的精度低、计算时间长和训练样本少等问题,提出了一种用于输电线路部件绝缘子缺陷识别的改进YOLOv3模型。引入K-means++算法解决小目标不敏感问题,引入Focalloss函数解决样本不均衡问题,引入Mish激活函数提高模型精度,引入注意力机制Senet提高特征提取性能。通过对改进前后模型性能的比较分析,验证了该方法的优越性。结果表明,与传统的检测方法相比,所提方法在检测速度上能够满足实时检测的需要,且检测精度最优,检测时间为0.079 s,检测平均准确度均值为94.40%。该研究能够满足输电线路无人机巡检图像缺陷自动检测的需要。; 关键词输电线路无人机巡检图像绝缘子缺陷 YOLOv3模型注意力机制; Keywords transmission line UAV patrol image insulator defect YOLOv3 model attention mechanism; 分类号 TM755 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名改进YOLO v7的绝缘子检测与定位被引量：20: 3; 作者张剑锐魏霞张林鍹陈燕楠卢杰; 机构新疆大学电气工程学院清华大学国家计算机集成制造系统工程技术研究中心; 出处《计算机工程与应用》 CSCD 北大核心 2024年第4期183-191,共9页; 基金新疆维吾尔自治区自然科学基金(2022D01C431) 新疆维吾尔自治区青年科学基金(2022D01C693)。; 文摘针对电力系统目标检测任务中绝缘子大小不一、背景干扰等影响而导致精度低、漏检率高的问题,提出了基于改进YOLO v7绝缘子检测与定位方法。在YOLO v7骨干网络中加入轻量级注意力机制(convolutional block attention module, CBAM),使网络模型从通道、空间两个方面更加关注绝缘子特征,降低绝缘子检测中的漏检率。在网络模型深层添加集中特征金字塔(concentrated feature pyramid, CFP),使不同尺度的特征图进行信息交换和聚合,进而获得更加全面的绝缘子特征,提高绝缘子检测精度。通过k-means算法对预选框聚类,得到最适合绝缘子预选框大小。实验结果表明,改进以后的YOLO v7网络模型平均检测精度(mean average precision, mAP)达到96.2%,精准率为90.8%,召回率为93.8%。改进的方法在电力系统绝缘子检测中具有较广泛的应用前景。; 关键词目标检测深度学习无人机巡检图像绝缘子识别; Keywords object detection deep learning UAV patrol image insulator identification; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于深度学习的架空输电导线缺陷检测方法研究被引量：10: 4; 作者翟学明李晓翟羽佳; 机构华北电力大学控制与计算机工程学院国网石家庄供电公司; 出处《电网技术》 EI CSCD 北大核心 2023年第3期1022-1030,共9页; 文摘无人机巡检图像中,架空输电导线断股、表面磨损等缺陷存在人工复检效率低、误检漏检率高的问题,为此提出了一种基于深度学习的架空输电导线缺陷智能检测方法。该方法以Unet为基础网络,结合迁移学习的思想,将VGG16(visual geometry group,16 weight layers)作为主干特征提取网络,并且将VGG16在ImageNet数据集上训练的权重作为预训练权重,以增强训练效果;然后将网络中的普通卷积用深度可分离卷积代替,有效地减少了网络的参数量;最后引入轻量级的高效通道注意力模块(efficient channel attention,ECA),实现不降维的局部跨信道交互策略,突出重要特征的同时克服了性能和复杂性之间的矛盾。在自建的输电导线缺陷数据集上,对方法进行了功能与性能测试,实验结果表明所提方法在导线断股检测上的准确率达到89.81%,在表面擦痕检测上的准确率达到90.86%,在表面刮损检测上的准确率达到93.58%,平均交并比(mean intersection over union,MIoU)值为86.12%,单张检测速度相对于Unet网络提升了8倍左右,提高了网络检测速度和检测精度。; 关键词无人机巡检图像输电导线缺陷检测迁移学习深度可分离卷积高效通道注意力; Keywords UAV(unmanned aerial vehicle)inspection image transmission wire defect detection transfer learning depthwise separable convolution efficient channel attention; 分类号 TM721 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于改进Faster-RCNN的无人机巡检架空线路销钉缺陷检测	顾超越李喆史晋涛赵航航江一江秀臣	《高电压技术》 EI CAS CSCD 北大核心	2020	70	在线阅读下载PDF 职称材料
2	改进YOLOv3模型在无人机巡检输电线路部件缺陷检测中的应用研究	叶翔孙嘉兴甘永叶冉倩吴达吕泽敏	《电测与仪表》北大核心	2023	28	在线阅读下载PDF 职称材料
3	改进YOLO v7的绝缘子检测与定位	张剑锐魏霞张林鍹陈燕楠卢杰	《计算机工程与应用》 CSCD 北大核心	2024	20	在线阅读下载PDF 职称材料
4	基于深度学习的架空输电导线缺陷检测方法研究	翟学明李晓翟羽佳	《电网技术》 EI CSCD 北大核心	2023	10	在线阅读下载PDF 职称材料