一种遥感图像车辆检测方法

针对常用的遥感图像车辆检测方法稳定性和效率较差的问题,本文提出一种改进YOLO-V5遥感图像车辆检测方法。首先,使用群归一化层替换YOLO-V5中的归一化层,消除训练数据大小对模型的影响,降低模型训练对显卡显存的需求,增加模型收敛速度;然后,使软非极大值抑制算法选择车辆目标锚框,可更精确地定位车辆,防止因遮挡漏检车辆。由实验可知:相比原YOLO-V5模型的各类别平均精确度提高了1.53%,帧率提高0.83,表明所提方法稳定性更好、检测效率更高,可应用于遥感图像汽车检测领域。

触网绝缘子缺陷智能识别方法

文章提出一种基于深度学习技术的高铁接触网绝缘子缺陷智能识别方法。首先利用EfficientNet-B3网络对绝缘子状态进行初步判别,再使用YOLO-V5模型实现绝缘子缺陷信息精确检测。同时,构建了正常、缺损、闪络3种状态,共计3000张图像的绝缘子样本集。实验表明,文章方法对绝缘子状态初步识别的准确率为93.1%,召回率为91.2%。在绝缘子缺陷精确检测环节,针对缺损、闪络识别的准确率分别为93.7%、92.3%,召回率分别为92.3%、87.5%。文章方法有效地提高了高铁接触网中的绝缘子缺陷(缺损、闪络)智能识别的准确率,对于进一步研发高铁接触网绝缘子表面缺陷智能巡检系统具有重要意义。