典型文献
基于深度学习的红外光热成像无人机巡检技术应用
文献摘要：
本文在人工智能的基础上利用深度学习结合红外光热成像技术对无人机巡检技术进行研究和优化.首先对红外光热成像技术在电力系统中的应用和无人机巡检技术进行了介绍;然后提出了基于卷积神经网络的目标检测算法,对卷积神经网络的计算原理以及目标检测算法进行说明,并设计了基于深度视觉系统的MobileNetV1-YOLOv3网络预测模型.通过实测分析发现,基于深度学习的轻量级的目标检测网络预测模型定位误差在X、Y、Z三个维度上均低于GPS系统,最小误差仅为0.06 m.
文献关键词：
深度学习;红外光热成像;无人机巡检;输电线检测;MobileNetV1-YOLOv3
中图分类号：
作者姓名：
李游;龙伟迪;魏绍东
作者机构：
国网湖南省电力有限公司检修公司,长沙410004
文献出处：
引用格式：
[1]李游;龙伟迪;魏绍东-.基于深度学习的红外光热成像无人机巡检技术应用)[J].单片机与嵌入式系统应用,2022(01):13-16
A类：
红外光热成像,输电线检测
B类：
无人机巡检技术,热成像技术,电力系统,目标检测算法,计算原理,深度视觉,视觉系统,MobileNetV1,YOLOv3,实测分析,轻量级,目标检测网络,定位误差,GPS
AB值：
0.166481
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。
