基于4层R-CNN的输电线路多目标检测_中国煤炭行业知识服务平台

基于4层R-CNN的输电线路多目标检测

作者

单亚锋赵天宇付昱付华王珂珂
单位

辽宁工程技术大学电气与控制工程学院
摘要

针对输电线路无人机巡检中远景航拍图像目标小、目标重叠、鸟巢和背景杂草类似等情况，提出基于残差网络（ResNet101）和6层特征金字塔网络（FPN）的多阶段级联神经网络深度学习检测模型.提出4层卷积神经网络（FourR-CNN）级联网络，使用深度残差神经网络（Res Net101+FPN）进行特征提取，生成特征框，在不同的重叠度下对R-CNN进行级联操作，并对预处理后的图像进行训练.研究结果表明：在复杂背景下ResNet101和6层FPN的FourR-CNN检测模型对输电线路上的绝缘子、绝缘子缺陷、防振锤，以及鸟巢等9类目标识别效果较好，对于2 000张测试样本的平均精度达到95.8%，为输电线路的智能检测提供了新思路.
关键词

多目标识别深度学习样本生成四层级联卷积神经网络特征提取
基金项目(Foundation)

国家自然科学基金（51974151）；辽宁省高等学校创新团队项目（LT2019007）；辽宁省高等学校国（境）外培养项目（2019GJWZD002）；
文章目录

0 引言
1 图像预处理
2 基于Four R-CNN的多目标识别
2.1 特征提取网络
2.2 基于Four R-CNN的输电线路多目标识别模型
2.3 输电线路多目标识别
3 实验及结果分析
3.1 样本准备
3.2 Four R-CNN模型训练
3.3 小目标识别结果
3.4 多目标识别结果
4 结论
引用格式

单亚锋,赵天宇,付昱,付华,王珂珂.基于4层R-CNN的输电线路多目标检测[J].辽宁工程技术大学学报(自然科学版),2022,41(03):270-276.