典型文献
基于YOLOv5算法的无人机电力巡检快速图像识别
文献摘要：
针对图像识别算法硬件资源消耗大、识别速度慢的问题,基于YOLOv5算法设计了专用于电力巡检无人机的绝缘子目标检测模型.对算法中卷积操作模块和残差模块进行了改进,通过增加卷积层数来加深算法的学习深度.为了提高训练速度,采用多次循环神经网络训练法实现了对数据集的学习训练.模型的单张图片识别速度最快为0.061 s,绝缘子识别精度最高达到98.9％.结果表明,在消耗较少硬件计算资源的前提下,该模型可以直接对航拍采集到的图像进行处理,实现快速识别,可以满足电力无人机巡检过程中图像实时处理的要求.
文献关键词：
电力巡检;无人机;绝缘子;图像识别;YOLOv5算法;输电线路
中图分类号：
作者姓名：
苏凯第;赵巧娥
作者机构：
山西大学 电力与建筑学院,山西 太原 030006
文献出处：
引用格式：
[1]苏凯第;赵巧娥-.基于YOLOv5算法的无人机电力巡检快速图像识别)[J].电力科学与工程,2022(04):43-48
A类：
B类：
YOLOv5,无人机电力巡检,图像识别,识别算法,硬件资源,资源消耗,速度慢,算法设计,巡检无人机,子目标,目标检测模型,卷积操作,残差模块,加卷,卷积层,层数,学习深度,提高训练,训练速度,循环神经网络,神经网络训练,训练法,学习训练,单张,图片识别,快为,绝缘子识别,识别精度,计算资源,航拍,快速识别,无人机巡检,中图,图像实时处理,输电线路
AB值：
0.476172
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。
