典型文献
基于改进Cascade R-CNN的典型金具及其部分缺陷检测方法
文献摘要：
输电线路中典型金具及其缺陷的检测是非常重要的巡检任务.针对由于金具尺度变化大且部分金具为小尺度目标进而导致金具检测精确度低的问题,提出了一种基于改进级联区域卷积神经网络(cascade region convo-lutional neural networks,Cascade R-CNN)的典型金具及其部分缺陷检测方法.在Cascade R-CNN模型的基础上,采用递归特征金字塔结构进行特征优化,纵向优化层级高级语义特征,横向反馈连接增益主干网络特征图;同时提出使用神经架构搜索(neural architecture search,NAS)获取空洞卷积的空洞率来扩大感受野的方式使卷积对多尺度金具特征提取更有效.实验结果证明:提出的递归特征金字塔与NAS搜索空洞率的空洞卷积相结合改进Cascade R-CNN的方法,在一定程度上解决了金具检测精确度低的问题.其中性能指标值提高了 6.72％,最高检测精确度达到了 92.34％.该研究为进一步对典型金具进行故障诊断,实现智能巡检奠定了良好的基础.
文献关键词：
递归特征金字塔;典型金具;NAS;空洞卷积;Cascade R-CNN
中图分类号：
作者姓名：
赵振兵;熊静;李冰;王亚茹;张帅
作者机构：
华北电力大学电子与通信工程系,保定071003;华北电力大学河北省电力物联网技术重点实验室,保定071003;华北电力大学控制与计算机工程学院,保定071003
文献出处：
引用格式：
[1]赵振兵;熊静;李冰;王亚茹;张帅-.基于改进Cascade R-CNN的典型金具及其部分缺陷检测方法)[J].高电压技术,2022(03):1060-1067
A类：
级联区域卷积神经网络
B类：
Cascade,典型金具,缺陷检测方法,输电线路,尺度变化,分金,小尺度目标,金具检测,检测精确度,进级,cascade,region,convo,lutional,neural,networks,递归特征金字塔,特征金字塔结构,特征优化,高级语义特征,主干网络,网络特征,特征图,出使,神经架构搜索,architecture,search,NAS,空洞卷积,空洞率,感受野,指标值,最高检,智能巡检
AB值：
0.319644
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。
