典型文献
基于深度学习的螺栓缺失快速检测
文献摘要：
输电塔螺栓在输电线路中起着重要的连接和固定作用,由于长期暴露于户外,容易出现螺栓缺失等缺陷造成安全隐患,影响输电线路的安全和稳定,因此需要对螺栓进行定期巡检.由于输电塔所处地理环境复杂以及数据采集时拍摄角度、光照等因素的影响,螺栓背景复杂,信噪比低,同时螺栓属于小目标,使得传统目标检测网络对于这种特征的提取不敏感;对于传统的单阶段和两阶段目标检测网络而言,训练时间久,成本较高;此外,传统的检测方法将正常螺栓与螺栓缺失的检测割裂开,容易忽略掉两者在空间上存在的联系;为解决上述问题,本文提出一种基于深度学习的螺栓缺失快速检测方法,基于改进的YOLOv4目标检测网络,在分别检测正常螺栓和螺栓缺失的基础上,对两者检测结果通过区域生长方式进行融合,判断是否在同一部件上,有效提高了检测速度和精度,适用于电力巡检工作.
文献关键词：
输电线路巡检;深度卷积神经网络;目标检测;螺栓缺失
中图分类号：
作者姓名：
冯宇科;林坚;刘华;周杨;李尚杰
作者机构：
广东电网有限责任公司广州供电局,广州510620
文献出处：
引用格式：
[1]冯宇科;林坚;刘华;周杨;李尚杰-.基于深度学习的螺栓缺失快速检测)[J].工程勘察,2022(10):67-71,78
A类：
B类：
螺栓缺失,输电塔,长期暴露,户外,成安,定期巡检,地理环境,环境复杂,拍摄角度,小目标,目标检测网络,特征的提取,不敏,单阶段,两阶段,训练时间,割裂,裂开,快速检测方法,YOLOv4,区域生长,检测速度,电力巡检,输电线路巡检,深度卷积神经网络
AB值：
0.276691
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。
