改进实时目标检测算法的电力巡检鸟巢检测

本文提出一种基于深度学习算法的实时目标检测模型,用于电力无人机巡检中鸟巢的自动检测。通过基于距离的K-means聚类算法,对数据集的标记框重新聚类,获得了更适用于识别不同杆塔在多种所处环境下的鸟巢的锚点集合。检测结果表明,使用新集合的算法均值平均精度提高至0.896,同时召回率和平均交并比均有提高;且运用本文算法可对巡检视频进行实时化处理(单帧处理时间低于30ms),便于后续问题的实时分析及处理,满足电力巡检智能化、常态化应用需求。