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
轻量化特征融合的CenterNet输电线路绝缘子自爆缺陷检测
1
作者
苟军年
杜愫愫
+1 位作者
王世铎
张昕悦
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2024年第7期2161-2171,共11页
输电线路智能化巡检是新一代电力系统建设的必然要求。当前,基于深度学习的检测模型由于参数量过大,使得利用无人机(UAV)进行边缘部署较困难。为使无人机可搭载轻量级模型实现输电线路中具有自爆缺陷绝缘子的识别,提出了一种轻量级Cente...
输电线路智能化巡检是新一代电力系统建设的必然要求。当前,基于深度学习的检测模型由于参数量过大,使得利用无人机(UAV)进行边缘部署较困难。为使无人机可搭载轻量级模型实现输电线路中具有自爆缺陷绝缘子的识别,提出了一种轻量级CenterNet-GhostNet的目标检测网络。对模型主干特征提取网络进行轻量化处理,利用计算成本较低的GhostNet提取自爆缺陷绝缘子的多层次特征,降低模型复杂度;引入增强感受野模块(RFB)增强特征表达能力,提升模型对小目标特征信息的注意力;构建特征融合模块,将低层特征信息和高层特征信息有效融合以输出更完整的特征图,提高缺陷识别精度。利用迁移学习参数共享,结合冻结与解冻训练相结合的模型训练策略,缓解网络因小样本数据集而产生的泛化能力不足问题。基于构建的输电线路自爆缺陷绝缘子数据集对所提方法进行验证,实验结果表明:相比原始CenterNet,所提方法的AP50、AP75和AP50:95分别提升至0.86、0.74和0.63,模型参数量由124.61×10^(6)减少至64.2×10^(6),可实现复杂环境下的自爆缺陷绝缘子检测,提高了基于无人机的输电线路巡检精度与速度。
展开更多
关键词
深度学习
绝缘子自爆缺陷
轻量级网络
CenterNet
小目标检测
下载PDF
职称材料
面向图像的绝缘子自爆缺陷检测算法综述
被引量:
3
2
作者
赵庆林
陈湘萍
《智能计算机与应用》
2022年第3期33-39,共7页
绝缘子自爆缺陷检测对于保障输电线路的安全具有十分重要的作用,准确快速检测算法能够帮助运维人员快速定位自爆缺陷绝缘子的位置,并及时更换。传统的人工检测方法已无法满足检测的要求,面向图像的绝缘子自爆缺陷检测算法在其检测的准...
绝缘子自爆缺陷检测对于保障输电线路的安全具有十分重要的作用,准确快速检测算法能够帮助运维人员快速定位自爆缺陷绝缘子的位置,并及时更换。传统的人工检测方法已无法满足检测的要求,面向图像的绝缘子自爆缺陷检测算法在其检测的准确性和快速性上仍面临着极大挑战,必须进一步对算法进行改进。本文首先介绍了绝缘子自爆缺陷图像的预处理过程,包括了图像分割的方法以及其具体的算法;其次,介绍了绝缘子自爆缺陷图像的特征提取算法、当前绝缘子自爆缺陷检测常用的分类器以及深度学习网络模型;最后,对绝缘子自爆缺陷检测算法进行了总结,并对其发展进行了展望。
展开更多
关键词
深度学习
绝缘子自爆缺陷
特征提取
分类
下载PDF
职称材料
题名
轻量化特征融合的CenterNet输电线路绝缘子自爆缺陷检测
1
作者
苟军年
杜愫愫
王世铎
张昕悦
机构
兰州交通大学自动化与电气工程学院
出处
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2024年第7期2161-2171,共11页
基金
国家自然科学基金(61863023)。
文摘
输电线路智能化巡检是新一代电力系统建设的必然要求。当前,基于深度学习的检测模型由于参数量过大,使得利用无人机(UAV)进行边缘部署较困难。为使无人机可搭载轻量级模型实现输电线路中具有自爆缺陷绝缘子的识别,提出了一种轻量级CenterNet-GhostNet的目标检测网络。对模型主干特征提取网络进行轻量化处理,利用计算成本较低的GhostNet提取自爆缺陷绝缘子的多层次特征,降低模型复杂度;引入增强感受野模块(RFB)增强特征表达能力,提升模型对小目标特征信息的注意力;构建特征融合模块,将低层特征信息和高层特征信息有效融合以输出更完整的特征图,提高缺陷识别精度。利用迁移学习参数共享,结合冻结与解冻训练相结合的模型训练策略,缓解网络因小样本数据集而产生的泛化能力不足问题。基于构建的输电线路自爆缺陷绝缘子数据集对所提方法进行验证,实验结果表明:相比原始CenterNet,所提方法的AP50、AP75和AP50:95分别提升至0.86、0.74和0.63,模型参数量由124.61×10^(6)减少至64.2×10^(6),可实现复杂环境下的自爆缺陷绝缘子检测,提高了基于无人机的输电线路巡检精度与速度。
关键词
深度学习
绝缘子自爆缺陷
轻量级网络
CenterNet
小目标检测
Keywords
deep learning
self-explosion defects of insulator
lightweight network
CenterNet
small target detection
分类号
TM755 [电气工程—电力系统及自动化]
TP389.1 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
面向图像的绝缘子自爆缺陷检测算法综述
被引量:
3
2
作者
赵庆林
陈湘萍
机构
贵州大学电气工程学院
出处
《智能计算机与应用》
2022年第3期33-39,共7页
基金
国家自然科学基金(51867007)
文摘
绝缘子自爆缺陷检测对于保障输电线路的安全具有十分重要的作用,准确快速检测算法能够帮助运维人员快速定位自爆缺陷绝缘子的位置,并及时更换。传统的人工检测方法已无法满足检测的要求,面向图像的绝缘子自爆缺陷检测算法在其检测的准确性和快速性上仍面临着极大挑战,必须进一步对算法进行改进。本文首先介绍了绝缘子自爆缺陷图像的预处理过程,包括了图像分割的方法以及其具体的算法;其次,介绍了绝缘子自爆缺陷图像的特征提取算法、当前绝缘子自爆缺陷检测常用的分类器以及深度学习网络模型;最后,对绝缘子自爆缺陷检测算法进行了总结,并对其发展进行了展望。
关键词
深度学习
绝缘子自爆缺陷
特征提取
分类
Keywords
deep learning
machine vision
feature extraction
classification
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TM75 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
轻量化特征融合的CenterNet输电线路绝缘子自爆缺陷检测
苟军年
杜愫愫
王世铎
张昕悦
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
2
面向图像的绝缘子自爆缺陷检测算法综述
赵庆林
陈湘萍
《智能计算机与应用》
2022
3
下载PDF
职称材料
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