-
题名基于SSD深度神经网络的航拍图像电力目标检测
被引量：10
- 1
-
-
作者
石鑫
化晨冰
张凯
王才建
王士勇
-
机构
国网山东省电力公司
国网临沂供电公司
山东师范大学信息科学与工程学院
山东联合电力产业发展有限公司
-
出处
《数据采集与处理》
CSCD
北大核心
2022年第1期207-216,共10页
-
基金
国网山东省电力公司科技项目(520607200002)
国网临沂供电公司“基于深度学习地物识别及多目标路径规划的人工智能勘测与设计研究”项目(6400072654)。
-
文摘
为了提高农村配电网智能化设计水平,满足配电线杆路径自动规划的需求,本文利用深度神经网络对配电网规划区域航拍图像中的典型电力目标进行识别以实现可行区域的自动筛选。首先利用无人机航拍获得配电网规划区域的高分辨率图像,构建了包含11类、32118个典型电力目标的数据集。然后通过对Faster-RCNN、YOLO、SSD(Single shot multibox detector)三种网络模型的实用对比,确定采用SSD网络进行典型电力目标的检测与识别,最终给出了配电网线杆规划的可行区域。实验表明,相比于Faster-RCNN与YOLO网络模型,SSD网络模型能够对变电站、配电室、箱变等典型电力目标进行有效的检测与识别,识别准确率为68.5%,达到了实用的要求。本文提出的智能识别方式为电力设计提供了技术支持,降低了配电网设计的人工成本并提高了效率。
-
关键词
配电网设计
电力目标
目标检测与识别
深度神经网络
航拍图像
-
Keywords
distribution network design
power object
target detection and recognition
deep neural network
aerial image
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
