典型文献
基于深度学习的电力巡检图像实时处理与识别算法研究
文献摘要：
应用人工智能技术对航拍采集的巡检图像进行目标检测和缺陷识别已成为现代电力巡检的发展趋势.文中基于深度学习技术提出了一种改进的识别算法,通过改进Faster-RCNN模型,结合HSI颜色特征提取,实现图像实时处理与输电线路的各类常规故障识别.将航拍图片归一化处理,RGB颜色模型转化为HSI颜色模型,遍历HSI空间的每个像素点,根据图片颜色特征判断像素点是否发生故障;建立Dense Net网络,将RoI Align层与预测层连接,应用改进Faster-RCNN目标检测模型对巡检线路训练数据集进行目标缺陷识别.实验分析结果表明,文中所提方法的故障缺陷识别精确率可达92.54％,具有实时性强、识别精度高等特点.
文献关键词：
深度学习;图像处理;目标检测;缺陷识别
中图分类号：
作者姓名：
石志彬;罗望春;莫兵兵;张福
作者机构：
中国南方电网超高压输电公司检修试验中心,广东广州510663
文献出处：
引用格式：
[1]石志彬;罗望春;莫兵兵;张福-.基于深度学习的电力巡检图像实时处理与识别算法研究)[J].电子设计工程,2022(23):189-193
A类：
故障缺陷识别
B类：
电力巡检,图像实时处理,识别算法,算法研究,代电,深度学习技术,Faster,RCNN,HSI,颜色特征,输电线路,故障识别,航拍图片,归一化处理,RGB,颜色模型,遍历,像素点,Dense,Net,RoI,Align,应用改进,目标检测模型,训练数据集,精确率,识别精度
AB值：
0.344966
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。
