基于图像分割的改进Mask R-CNN绝缘子检测方法

目标检测技术在很多领域有着广泛的研究和应用,如电力行业、军事目标检测等,目前学术界已经提出了很多的目标检测方法,取得了很大进展。近年来,电力行业对输电线路风险预警要求急剧上升,因此高效可靠的目标检测算法必不可少。主要针对输电线路绝缘子目标检测精度低、单张图片检测速度慢、未能满足实际应用的问题,提出基于注意力机制的可形变多尺度绝缘子目标分割模型。该模型将Mask R-CNN主干网络从RestNet101-FPN替换为可形变特征网络ResNet18-dcn;其次,在主干网络后增加注意力机制模块,将主干网络可形变特征网络ResNet18-dcn的3、4、5阶段输出进行多尺度信息融合,提升网络的识别能力及效率。通过实验证明,改进模型能够满足当前输电线路绝缘子识别所需。