典型文献
基于Cascade R-CNN算法的输电线路小目标缺陷检测方法
文献摘要：
输电线路无人机航拍图像缺陷识别是维护线路安全运行的重要巡检手段,但目前的识别算法对于销钉、螺母等小目标缺陷存在识别精确度低、易漏判等问题.将Cascade R-CNN算法应用于输电线路缺陷检测中,利用ResNet101网络进行特性提取,增强的网络的特征提取能力,并利用多层级联检测器对输电线路小目标进行判别和分类.基于无人机航拍图像数据集进行实验,实验结果表明,相比于Yolov3检测器和Lighthead R-CNN检测器,Cascade R-CNN算法提高了小目标缺陷检测中的召回率和精确度.
文献关键词：
Cascade R-CNN网络;输电线路;缺陷检测;卷积神经网络
中图分类号：
作者姓名：
吴军;白梁军;董晓虎;潘尚智;金哲;范亮;程绳
作者机构：
国网湖北省电力有限公司检修公司,湖北武汉 430050;武汉大学电气与自动化学院,湖北武汉 430072;广州中科智巡科技有限公司,广东广州 510000
文献出处：
引用格式：
[1]吴军;白梁军;董晓虎;潘尚智;金哲;范亮;程绳-.基于Cascade R-CNN算法的输电线路小目标缺陷检测方法)[J].电网与清洁能源,2022(04):19-27,36
A类：
Lighthead
B类：
Cascade,输电线路,小目标缺陷,缺陷检测方法,无人机航拍图像,缺陷识别,线路安全,巡检,识别算法,销钉,螺母,漏判,算法应用,ResNet101,特征提取能力,多层级,级联检测,检测器,图像数据集,Yolov3,召回率
AB值：
0.25426
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。
