典型文献
基于改进YOLO-ResNet混合神经网络的配网杆塔倾倒实时智能检测
文献摘要：
针对配网勘灾中人工勘灾效率低下和机巡勘灾需后端分析导致灾情信息反馈不及时的问题,立足于前端实时智能检测模式,提出了基于改进YOLO-ResNet混合神经网络的配网杆塔倾倒实时检测模型.首先,改进传统YOLO-V3的损失函数,利用广义交并比(generalized intersection over union,GIoU)计算目标检测框损失,有效提升杆塔主体检测的准确性.其次,采用ResNet-50定位杆塔端点和中心线,提出一种杆塔姿态判断方法以快速计算杆塔倾斜角度.最后,研发了一种便携式设备并部署了所提模型,以实地采集的数据对模型和设备进行测试,结果表明该设备对杆塔姿态判断的整体准确率达93.48％,设备平均功耗9 W,可用于前端实时智能分析、汇总杆塔受灾情况,验证了模型和设备的有效性.
文献关键词：
杆塔检测;姿态判断;配网勘灾;便携式设备;广义交并比
中图分类号：
作者姓名：
张宝星;莫一夫;潘岐深;谢锐彪
作者机构：
广东电网有限责任公司,广州510623;华北电力大学控制与计算机工程学院,北京102206
文献出处：
引用格式：
[1]张宝星;莫一夫;潘岐深;谢锐彪-.基于改进YOLO-ResNet混合神经网络的配网杆塔倾倒实时智能检测)[J].南方电网技术,2022(08):133-141
A类：
配网勘灾,勘灾
B类：
YOLO,ResNet,混合神经网络,倾倒,智能检测,后端,致灾,灾情信息,信息反馈,检测模式,实时检测,检测模型,V3,损失函数,广义交并比,generalized,intersection,over,union,GIoU,目标检测,定位杆,端点,中心线,姿态判断,判断方法,快速计算,杆塔倾斜,倾斜角度,便携式设备,功耗,智能分析,受灾,杆塔检测
AB值：
0.361048
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。
