為了提升無人機(jī)巡檢架空線路的效率,提高架空線路銷釘缺陷檢出率,提出了一種基于改進(jìn)Faster-RCNN算法的無人機(jī)巡檢架空線路銷釘缺陷檢測方法。針對無人機(jī)巡檢圖像背景大、銷釘目標(biāo)尺寸小的特點,通過以深度殘差網(wǎng)絡(luò)ResNet101作為前置特征提取網(wǎng)絡(luò),增大訓(xùn)練圖像尺度,建立特征金字塔融合多尺度特征,以K-means算法優(yōu)化初始錨框,對Faster-RCNN算法進(jìn)行改進(jìn);并用實際無人機(jī)巡檢圖像進(jìn)行實驗測試。實驗結(jié)果表明,該方法對無人機(jī)巡檢圖像中銷釘缺陷有較好的檢測效果,在測試數(shù)據(jù)集上檢測精確度達(dá)到93.6%,召回率達(dá)到89.8%,泛化能力較強,相比現(xiàn)有其他常見目標(biāo)檢測方法,檢測效果更好。 

【文章來源】：高電壓技術(shù). 2020年09期 北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

殘差模塊

多尺度特征融合

本實驗硬件配置為：GPU:Nvidia GTX1080Ti,11G顯存；CPU:Intel Core i7-8700K,3.70GHZ主頻；軟件平臺為Ubuntu 16.04�；赥ensorflow框架搭建改進(jìn)Faster-RCNN目標(biāo)檢測網(wǎng)絡(luò)，前置特征網(wǎng)絡(luò)采取遷移學(xué)習(xí)[20]策略，在Image Net數(shù)據(jù)集上預(yù)訓(xùn)練的網(wǎng)絡(luò)參數(shù)上微調(diào)，可在一定程度上提高訓(xùn)練收斂速度。初始學(xué)習(xí)率設(shè)定為0.001，優(yōu)化策略為隨機(jī)梯度下降法[21](stochastic gradient descent,SGD)，其中參數(shù)ε設(shè)置為10-5，沖量設(shè)置為0.9，總訓(xùn)練步數(shù)為110 000，通過K-means聚類優(yōu)化初始錨框參數(shù)，dropout等其他常規(guī)參數(shù)與原始Faster-RCNN保持一致。訓(xùn)練過程采用4步法交替訓(xùn)練RCNN網(wǎng)絡(luò)與RPN網(wǎng)絡(luò)：1）單獨訓(xùn)練RPN網(wǎng)絡(luò)，CNN網(wǎng)絡(luò)用Image Net預(yù)訓(xùn)練的模型作初始化；2）單獨訓(xùn)練RCNN網(wǎng)絡(luò)，使用第1次訓(xùn)練的RPN網(wǎng)絡(luò)所生成的區(qū)域建議框，同樣采用Image Net預(yù)訓(xùn)練的模型初始化CNN網(wǎng)絡(luò)；3）第2次訓(xùn)練RPN網(wǎng)絡(luò)，使用第2）步得到的模型初始化CNN網(wǎng)絡(luò)并固定模型參數(shù)，僅改變RPN網(wǎng)絡(luò)的參數(shù)；4）第2次訓(xùn)練RCNN網(wǎng)絡(luò)，仍保持CNN網(wǎng)絡(luò)參數(shù)固定，僅改變RCNN網(wǎng)絡(luò)的參數(shù)。

【參考文獻(xiàn)】：
期刊論文
[1]基于輔助數(shù)據(jù)RetinaNet算法的銷釘缺陷智能識別[J]. 王凱,王健,劉剛,周文青,何卓陽.  廣東電力. 2019(09)
[2]基于TensorFlow的高壓輸電線路異物識別[J]. 龔鋼軍,張帥,吳秋新,陳志敏,劉韌,蘇暢.  電力自動化設(shè)備. 2019(04)
[3]無人機(jī)在輸電線路巡檢中應(yīng)用的探索[J]. 陳泌垽,范菁.  電工技術(shù). 2019(03)
[4]適用于無人機(jī)巡檢圖像的輸電線路螺栓檢測方法[J]. 馮敏,羅旺,余磊,張佩,郝小龍,樊強,彭啟偉,張?zhí)毂?曹玲玲.  電力科學(xué)與技術(shù)學(xué)報. 2018(04)
[5]基于紅藍(lán)色差和改進(jìn)K-means算法的航拍絕緣子分類識別方法[J]. 黃新波,劉新慧,張燁,李菊清,張慧瑩,邢曉強.  高電壓技術(shù). 2018(05)
[6]電力設(shè)備狀態(tài)大數(shù)據(jù)分析的研究和應(yīng)用[J]. 江秀臣,盛戈皞.  高電壓技術(shù). 2018(04)
[7]深度學(xué)習(xí)在輸電線路中部件識別與缺陷檢測的研究[J]. 湯踴,韓軍,魏文力,丁建,彭新俊.  電子測量技術(shù). 2018(06)
[8]結(jié)合深度學(xué)習(xí)和隨機(jī)森林的電力設(shè)備圖像識別[J]. 李軍鋒,王欽若,李敏.  高電壓技術(shù). 2017(11)
[9]架空輸電線路機(jī)器人全自主巡檢系統(tǒng)及示范應(yīng)用[J]. 彭向陽,錢金菊,吳功平,麥曉明,魏萊,饒章權(quán).  高電壓技術(shù). 2017(08)
[10]大型無人機(jī)電力巡檢LiDAR點云安全距離診斷方法[J]. 陳馳,彭向陽,宋爽,王柯,錢金菊,楊必勝.  電網(wǎng)技術(shù). 2017(08)

碩士論文
[1]深度學(xué)習(xí)在輸電鐵塔關(guān)鍵部件缺陷檢測中的應(yīng)用研究[D]. 王子昊.中國民航大學(xué) 2018
[2]基于一種改進(jìn)的Hough變換的輸電線路圖像中導(dǎo)線識別研究[D]. 黃東芳.廣西大學(xué) 2016



本文編號：2915672