典型文献
无人机图像配电导线断股检测的深度学习方法
文献摘要：
配电导线的断股易导致断线事故,给用电需要和用电安全带来了极大的负面影响.传统人工检视方法费时费力,而基于无人机(unmanned aerial vehicle,UAV)获取导线影像,利用全卷积网络(fully convolutional network,FCN)深度学习的方法进行配电导线断股快速准确检测可以事半功倍.首先,顾及断股图像空间低占比特点,利用卷积层代替池化层以减少细节损失,实现改进FCN网络架构构建;其次,通过图像变换方法增强原始数据集,提升网络泛化能力;然后,选用BReLU(bilateral rectified linear unit)激活函数,弥补常用激活函数存在的梯度弥散缺陷,提高准确识别率;最后以某电力配电导线巡检项目为例,训练、优化网络,并对UAV获取的图像进行检测,取得了93％的正确率.同时,对比分析了该方法与传统方法的检测效果,结果表明了在配电导线断股智能识别中该方法的鲁棒性和准确性显著占优.
文献关键词：
深度学习;无人机;导线断股;全卷积网络
中图分类号：
作者姓名：
史建勋;金昊;常明;姜振卫;李俊;刘争;俞渊
作者机构：
国家电网浙江嘉善县供电有限公司,浙江 嘉善,314100
文献出处：
引用格式：
[1]史建勋;金昊;常明;姜振卫;李俊;刘争;俞渊-.无人机图像配电导线断股检测的深度学习方法)[J].测绘地理信息,2022(04):61-66
A类：
BReLU
B类：
无人机图像,导线断股,深度学习方法,断线,用电安全,安全带,传统人工,检视,费时费力,unmanned,aerial,vehicle,UAV,全卷积网络,fully,convolutional,network,FCN,快速准确,事半功倍,顾及,图像空间,比特,卷积层,池化,网络架构,图像变换,方法增强,原始数据,泛化能力,bilateral,rectified,linear,unit,激活函数,梯度弥散,准确识别,识别率,电力配电,巡检项目,检测效果,智能识别,占优
AB值：
0.412916
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。
