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
3
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
基于自适应Canny边缘检测的输电导线检测算法
被引量:
6
1
作者
王昊
吴功平
+1 位作者
刘中云
何文山
《扬州大学学报(自然科学版)》
CAS
北大核心
2020年第6期45-52,共8页
针对输电线路巡检机器人自主巡检过程中从复杂地面环境识别输电导线困难的问题,提出一种基于自适应Canny边缘检测的输电导线检测算法.首先,通过图像预处理方法进行图像增强处理,提高对比度,突出直线特征;其次,基于阈值自适应的Canny边...
针对输电线路巡检机器人自主巡检过程中从复杂地面环境识别输电导线困难的问题,提出一种基于自适应Canny边缘检测的输电导线检测算法.首先,通过图像预处理方法进行图像增强处理,提高对比度,突出直线特征;其次,基于阈值自适应的Canny边缘检测方法提取输电导线图像边缘信息,通过k-means聚类合并识别边缘段;最后,分析输电导线特征,进一步实现巡检机器人对输电导线的准确提取.结果表明,与基于Hough变换实现的输电导线检测方法相比,该算法在不同地面背景及距导线不同高度条件下均有较高识别率,能够满足巡检机器人导线实时检测要求.
展开更多
关键词
输电导线检测
CANNY算法
K-MEANS聚类
边缘
检测
下载PDF
职称材料
基于深度学习的架空输电导线缺陷检测方法研究
被引量:
5
2
作者
翟学明
李晓
翟羽佳
《电网技术》
EI
CSCD
北大核心
2023年第3期1022-1030,共9页
无人机巡检图像中,架空输电导线断股、表面磨损等缺陷存在人工复检效率低、误检漏检率高的问题,为此提出了一种基于深度学习的架空输电导线缺陷智能检测方法。该方法以Unet为基础网络,结合迁移学习的思想,将VGG16(visual geometry group...
无人机巡检图像中,架空输电导线断股、表面磨损等缺陷存在人工复检效率低、误检漏检率高的问题,为此提出了一种基于深度学习的架空输电导线缺陷智能检测方法。该方法以Unet为基础网络,结合迁移学习的思想,将VGG16(visual geometry group,16 weight layers)作为主干特征提取网络,并且将VGG16在ImageNet数据集上训练的权重作为预训练权重,以增强训练效果;然后将网络中的普通卷积用深度可分离卷积代替,有效地减少了网络的参数量;最后引入轻量级的高效通道注意力模块(efficient channel attention,ECA),实现不降维的局部跨信道交互策略,突出重要特征的同时克服了性能和复杂性之间的矛盾。在自建的输电导线缺陷数据集上,对方法进行了功能与性能测试,实验结果表明所提方法在导线断股检测上的准确率达到89.81%,在表面擦痕检测上的准确率达到90.86%,在表面刮损检测上的准确率达到93.58%,平均交并比(mean intersection over union,MIoU)值为86.12%,单张检测速度相对于Unet网络提升了8倍左右,提高了网络检测速度和检测精度。
展开更多
关键词
无人机巡检图像
输电
导线
缺陷
检测
迁移学习
深度可分离卷积
高效通道注意力
下载PDF
职称材料
基于DeepLab v3+深度卷积网络的输电导线图像识别方法
被引量:
11
3
作者
杨传凯
孔志战
+1 位作者
谢倩楠
杜建超
《电力工程技术》
北大核心
2021年第4期189-194,共6页
输电导线图像识别是电力设备自动巡检过程中的重要环节。针对传统导线检测方法需人工设计目标特征、抗干扰能力差等问题,提出一种基于深度卷积网络(DeepLab v3+)的输电导线图像识别方法。首先,采用DeepLab v3+网络模型,实现导线的初步...
输电导线图像识别是电力设备自动巡检过程中的重要环节。针对传统导线检测方法需人工设计目标特征、抗干扰能力差等问题,提出一种基于深度卷积网络(DeepLab v3+)的输电导线图像识别方法。首先,采用DeepLab v3+网络模型,实现导线的初步识别。通过多层卷积自动学习导线特征,并通过解码器结构融合导线低层的细节特征与高层的语义特征,较好地实现导线像素分割。然后,针对识别结果中存在的断裂和伪导线问题,采用改进的最小点对法和长度阈值法进一步精细化处理。最后,采用八方向搜索法提取每一条导线并编号。实验结果表明,所提方法能很好地提取出输电线路图像中的导线。
展开更多
关键词
深度学习
图像处理
输电导线检测
语义分割
DeepLab
v3+网络
下载PDF
职称材料
题名
基于自适应Canny边缘检测的输电导线检测算法
被引量:
6
1
作者
王昊
吴功平
刘中云
何文山
机构
武汉大学动力与机械学院
出处
《扬州大学学报(自然科学版)》
CAS
北大核心
2020年第6期45-52,共8页
基金
广东省机器人专项资助项目(2015B090922007).
文摘
针对输电线路巡检机器人自主巡检过程中从复杂地面环境识别输电导线困难的问题,提出一种基于自适应Canny边缘检测的输电导线检测算法.首先,通过图像预处理方法进行图像增强处理,提高对比度,突出直线特征;其次,基于阈值自适应的Canny边缘检测方法提取输电导线图像边缘信息,通过k-means聚类合并识别边缘段;最后,分析输电导线特征,进一步实现巡检机器人对输电导线的准确提取.结果表明,与基于Hough变换实现的输电导线检测方法相比,该算法在不同地面背景及距导线不同高度条件下均有较高识别率,能够满足巡检机器人导线实时检测要求.
关键词
输电导线检测
CANNY算法
K-MEANS聚类
边缘
检测
Keywords
power transmission line detection
Canny algorithm
k-means clustering
edge detection
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于深度学习的架空输电导线缺陷检测方法研究
被引量:
5
2
作者
翟学明
李晓
翟羽佳
机构
华北电力大学控制与计算机工程学院
国网石家庄供电公司
出处
《电网技术》
EI
CSCD
北大核心
2023年第3期1022-1030,共9页
文摘
无人机巡检图像中,架空输电导线断股、表面磨损等缺陷存在人工复检效率低、误检漏检率高的问题,为此提出了一种基于深度学习的架空输电导线缺陷智能检测方法。该方法以Unet为基础网络,结合迁移学习的思想,将VGG16(visual geometry group,16 weight layers)作为主干特征提取网络,并且将VGG16在ImageNet数据集上训练的权重作为预训练权重,以增强训练效果;然后将网络中的普通卷积用深度可分离卷积代替,有效地减少了网络的参数量;最后引入轻量级的高效通道注意力模块(efficient channel attention,ECA),实现不降维的局部跨信道交互策略,突出重要特征的同时克服了性能和复杂性之间的矛盾。在自建的输电导线缺陷数据集上,对方法进行了功能与性能测试,实验结果表明所提方法在导线断股检测上的准确率达到89.81%,在表面擦痕检测上的准确率达到90.86%,在表面刮损检测上的准确率达到93.58%,平均交并比(mean intersection over union,MIoU)值为86.12%,单张检测速度相对于Unet网络提升了8倍左右,提高了网络检测速度和检测精度。
关键词
无人机巡检图像
输电
导线
缺陷
检测
迁移学习
深度可分离卷积
高效通道注意力
Keywords
UAV(unmanned aerial vehicle)inspection image
transmission wire defect detection
transfer learning
depthwise separable convolution
efficient channel attention
分类号
TM721 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于DeepLab v3+深度卷积网络的输电导线图像识别方法
被引量:
11
3
作者
杨传凯
孔志战
谢倩楠
杜建超
机构
国网陕西省电力公司电力科学研究院
国网陕西省电力公司
西安电子科技大学通信工程学院
出处
《电力工程技术》
北大核心
2021年第4期189-194,共6页
基金
陕西省重点研发计划资助项目“基于深度学习的桥梁构件裂缝检测技术研究”(2020GY-058)。
文摘
输电导线图像识别是电力设备自动巡检过程中的重要环节。针对传统导线检测方法需人工设计目标特征、抗干扰能力差等问题,提出一种基于深度卷积网络(DeepLab v3+)的输电导线图像识别方法。首先,采用DeepLab v3+网络模型,实现导线的初步识别。通过多层卷积自动学习导线特征,并通过解码器结构融合导线低层的细节特征与高层的语义特征,较好地实现导线像素分割。然后,针对识别结果中存在的断裂和伪导线问题,采用改进的最小点对法和长度阈值法进一步精细化处理。最后,采用八方向搜索法提取每一条导线并编号。实验结果表明,所提方法能很好地提取出输电线路图像中的导线。
关键词
深度学习
图像处理
输电导线检测
语义分割
DeepLab
v3+网络
Keywords
deep learning
image processing
transmission line detection
semantic segmentation
DeepLab v3+network
分类号
TM769 [电气工程—电力系统及自动化]
TP751 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于自适应Canny边缘检测的输电导线检测算法
王昊
吴功平
刘中云
何文山
《扬州大学学报(自然科学版)》
CAS
北大核心
2020
6
下载PDF
职称材料
2
基于深度学习的架空输电导线缺陷检测方法研究
翟学明
李晓
翟羽佳
《电网技术》
EI
CSCD
北大核心
2023
5
下载PDF
职称材料
3
基于DeepLab v3+深度卷积网络的输电导线图像识别方法
杨传凯
孔志战
谢倩楠
杜建超
《电力工程技术》
北大核心
2021
11
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