典型文献
基于SSD深度神经网络的航拍图像电力目标检测
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
石鑫;化晨冰;张凯;王才建;王士勇
作者机构：
国网山东省电力公司,济南 250001;国网临沂供电公司,临沂 276000;山东师范大学信息科学与工程学院,济南 250358;山东联合电力产业发展有限公司,济南 250100
文献出处：
引用格式：
[1]石鑫;化晨冰;张凯;王才建;王士勇-.基于SSD深度神经网络的航拍图像电力目标检测)[J].数据采集与处理,2022(01):207-216
A类：
电力目标
B类：
SSD,深度神经网络,航拍图像,农村配电网,配电网智能化,智能化设计,设计水平,电线杆,路径自动规划,配电网规划,规划区,无人机航拍,高分辨率图像,Faster,RCNN,YOLO,Single,shot,multibox,detector,网线,变电站,配电室,箱变,识别准确率,智能识别,电力设计,配电网设计,人工成本,目标检测与识别
AB值：
0.293834
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
