期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于YOLOv5算法的无人机电力巡检快速图像识别
被引量:
9
1
作者
苏凯第
赵巧娥
《电力科学与工程》
2022年第4期43-48,共6页
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...
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。
展开更多
关键词
电力巡检
无人机
绝缘子
图像识别
YOLOv5算法
输电线路
下载PDF
职称材料
基于YOLOv5的绝缘子图像识别算法轻量化改进研究
2
作者
苏凯第
赵巧娥
《电瓷避雷器》
CAS
2024年第4期173-180,共8页
为解决传统神经网络图像识别模型无法在无人机等微型嵌入式设备有效部署的问题,基于YOLOv5算法提出一种针对无人机嵌入式平台的电力巡检绝缘子图像轻量化识别算法。以ShuffleNetV2为骨干网络,并使用深度可分离卷积替换传统卷积减少参数...
为解决传统神经网络图像识别模型无法在无人机等微型嵌入式设备有效部署的问题,基于YOLOv5算法提出一种针对无人机嵌入式平台的电力巡检绝缘子图像轻量化识别算法。以ShuffleNetV2为骨干网络,并使用深度可分离卷积替换传统卷积减少参数量,降低算法对物理内存的需求。同时针对绝缘子特征对图像预处理部分进行改进,使用PeleeNet网络中的Stem结构代替Focus结构,加快训练速度,减轻嵌入式平台CPU的计算压力。另外,在残差网络中引入Transformer注意力机制,提高算法对遮挡目标的提取能力。所提算法能够在支持Arm架构的树莓派4B+平台部署,检测准确率可达91.6%,对遮挡绝缘子检出率能达到96%。处理尺寸为640×640的单张图片平均检测时间0.97 s。
展开更多
关键词
无人机电力巡检
YOLOv5s
ShuffleNetV2
PeleeNet
Transformer注意力机制
原文传递
题名
基于YOLOv5算法的无人机电力巡检快速图像识别
被引量:
9
1
作者
苏凯第
赵巧娥
机构
山西大学电力与建筑学院
出处
《电力科学与工程》
2022年第4期43-48,共6页
文摘
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。
关键词
电力巡检
无人机
绝缘子
图像识别
YOLOv5算法
输电线路
Keywords
power inspection
UAV
insulator
image identification
YOLOv5 algorithm
electricity transmission line
分类号
TP751 [自动化与计算机技术—检测技术与自动化装置]
TM726 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于YOLOv5的绝缘子图像识别算法轻量化改进研究
2
作者
苏凯第
赵巧娥
机构
山西大学电力与建筑学院
出处
《电瓷避雷器》
CAS
2024年第4期173-180,共8页
文摘
为解决传统神经网络图像识别模型无法在无人机等微型嵌入式设备有效部署的问题,基于YOLOv5算法提出一种针对无人机嵌入式平台的电力巡检绝缘子图像轻量化识别算法。以ShuffleNetV2为骨干网络,并使用深度可分离卷积替换传统卷积减少参数量,降低算法对物理内存的需求。同时针对绝缘子特征对图像预处理部分进行改进,使用PeleeNet网络中的Stem结构代替Focus结构,加快训练速度,减轻嵌入式平台CPU的计算压力。另外,在残差网络中引入Transformer注意力机制,提高算法对遮挡目标的提取能力。所提算法能够在支持Arm架构的树莓派4B+平台部署,检测准确率可达91.6%,对遮挡绝缘子检出率能达到96%。处理尺寸为640×640的单张图片平均检测时间0.97 s。
关键词
无人机电力巡检
YOLOv5s
ShuffleNetV2
PeleeNet
Transformer注意力机制
Keywords
UAV power inspection
YOLOv5s
ShuffleNetV2
PeleeNet
Transformer attention mechanism
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TP183 [自动化与计算机技术—控制理论与控制工程]
TM216 [一般工业技术—材料科学与工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于YOLOv5算法的无人机电力巡检快速图像识别
苏凯第
赵巧娥
《电力科学与工程》
2022
9
下载PDF
职称材料
2
基于YOLOv5的绝缘子图像识别算法轻量化改进研究
苏凯第
赵巧娥
《电瓷避雷器》
CAS
2024
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部