發(fā)布時(shí)間：2020-12-13 03:48

　　提出了一種基于多層卷積特征融合的Faster R-CNN絕緣子檢測算法,首先對卷積神經(jīng)網(wǎng)絡(luò)中包含更多目標(biāo)細(xì)節(jié)信息的淺層特征圖與特征信息更加明顯的深層特征圖進(jìn)行融合,提高算法對目標(biāo)特征的提取能力;然后根據(jù)絕緣子的形狀特點(diǎn)改進(jìn)錨框的比例,減小錨框尺寸,提升對小尺度絕緣子的檢測能力,并在訓(xùn)練過程中加入多尺度訓(xùn)練,降低不同尺度絕緣子對識別率的影響。結(jié)果表明,在檢測速度基本不變的情況下,所提出的算法平均精度均值（mAP）可達(dá)93.6%,比原始算法Faster R-CNN高出6.8%,對多尺度絕緣子的識別性能更優(yōu)。 

【文章來源】：中國科技論文. 2020年07期 北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

絕緣子目標(biāo)檢測算法的網(wǎng)絡(luò)模型流程

本文選取ZF網(wǎng)絡(luò)作為卷積網(wǎng)絡(luò)的模型,ZF網(wǎng)絡(luò)模型結(jié)構(gòu)如圖2所示。輸入224×224（像素）、3通道圖像，經(jīng)過96層、大小為7×7、步長為2的卷積核卷積后輸出大小為110×110×96（像素）的圖像，對每層卷積層通過激活函數(shù)、歸一化、最大池化（max pool）、對比度歸一化（contrast normalized）進(jìn)行處理，并對之后的第3～5層進(jìn)行類似的操作。第6層和第7層為全連接層，最終通過Softmax函數(shù)將分類結(jié)果輸出。

RPN結(jié)構(gòu)

【參考文獻(xiàn)】：
期刊論文
[1]基于Faster R-CNN的航拍圖像中絕緣子識別[J]. 程海燕,翟永杰,陳瑞.  現(xiàn)代電子技術(shù). 2019(02)
[2]輸電線路絕緣子自爆缺陷識別方法[J]. 侯春萍,章衡光,張巍,楊陽,張貴峰,田治仁.  電力系統(tǒng)及其自動化學(xué)報(bào). 2019(06)
[3]基于骨架提取的航拍絕緣子圖像分步識別方法[J]. 翟永杰,王迪,伍洋,程海燕.  華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(03)

碩士論文
[1]基于計(jì)算機(jī)視覺的輸電線路異常巡檢圖的識別和研究[D]. 張鳳羽.吉林大學(xué) 2015



本文編號：2913838