多目标检测和故障识别图像处理方法

作者:白洁音; 赵瑞; 谷丰强; 王姣

摘要:为了利用深度学习实现对输电线路的多目标识别以及多种故障的检测,以Faster RCNN(faster regions with convolutional neural networks features)网络为算法框架进行无人机图像的数据挖掘,针对输电线路的6种目标检测任务,提出了3种改进策略,分别为自适应图像预处理算法,基于面积的非极大值抑制算法,以及切分检测方案。研究结果表明:所提改进算法能够利用挖掘的数据对故障进行准确定位与识别,实现对复杂背景下航拍图像中多目标的故障检测,也可类推至其他类似多目标应用场景。论文研究可为多目标的检测和识别提供参考。

分类:
  • 期刊
  • >
  • 自然科学与工程技术
  • >
  • 工程科技II
  • >
  • 电力工业
收录:
  • EI 工程索引(美)
  • 维普收录(中)
  • Pж(AJ) 文摘杂志(俄)
  • 万方收录(中)
  • 上海图书馆馆藏
  • CSCD 中国科学引文数据库来源期刊(含扩展版)
  • 国家图书馆馆藏
  • CA 化学文摘(美)
  • 北大期刊(中国人文社会科学期刊)
  • 知网收录(中)
  • JST 日本科学技术振兴机构数据库(日)
  • 统计源期刊(中国科技论文优秀期刊)
  • 剑桥科学文摘
  • 文摘杂志
  • SA 科学文摘(英)
  • 文摘与引文数据库
关键词:
  • 深度学习
  • 多目标
  • 数据挖掘
  • faster
  • rcnn
  • 定位与识别
  • 故障检测

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

期刊名称:高电压技术

期刊级别:北大期刊

期刊人气:6980

杂志介绍:
主管单位:国家电网公司
主办单位:国家高电压计量站;中国电机工程学会
出版地方:湖北
快捷分类:电力
国际刊号:1003-6520
国内刊号:42-1239/TM
邮发代号:38-24
创刊时间:1975
发行周期:月刊
期刊开本:A4
下单时间:1-3个月
复合影响因子:2.65
综合影响因子:3.3