購物車(0)
基于改進(jìn)FasterRCNN的配網(wǎng)架空線路異常狀態(tài)檢測
關(guān)鍵詞：架空線路異常狀態(tài)智能檢測 fpn神經(jīng)網(wǎng)絡(luò) fasterrcnn神經(jīng)網(wǎng)絡(luò) 高低特征共享
摘要：隨著無人機巡線技術(shù)的不斷發(fā)展,現(xiàn)已廣泛運用在輸電線路運維工作中,但仍需由人工判斷線路異常狀態(tài)類型,檢測準(zhǔn)確率極易受環(huán)境影響,現(xiàn)有智能檢測技術(shù)檢測速度慢、檢測手段單一。針對提高異常狀態(tài)智能檢測效率問題,提出基于融合FPN結(jié)構(gòu)的FasterRCNN深度學(xué)習(xí)在線異常狀態(tài)檢測系統(tǒng)。首先采用ResNet50卷積神經(jīng)網(wǎng)絡(luò)對原圖逐層進(jìn)行特征提取,得到最高層特征圖;再對該特征圖使用反池化法進(jìn)行上采樣得到多張低特征圖,并將原各層特征圖與新各層特征圖對應(yīng)融合;最后將融合后的全部特征圖輸入RPN層進(jìn)行二分類與邊框回歸,經(jīng)過ROIpooling層后得到異常點檢測結(jié)果。經(jīng)過對配網(wǎng)設(shè)備及異常狀態(tài)檢測數(shù)據(jù)集的檢測驗證,所提出的網(wǎng)絡(luò)結(jié)構(gòu)對比原FasterRCNN網(wǎng)絡(luò),不僅具有更高的識別正確率,且可以有效識別變壓器等小目標(biāo)物體。
電力學(xué)報雜志要求:
{1}引言應(yīng)說明研究的目的、意義、主要方法、范圍和背景等。
{2}編輯部對來稿有刪改權(quán)。不同意刪改的稿件請在稿件中聲明，編輯部保留對不同意刪改稿件進(jìn)行撤換的權(quán)力。
{3}首頁內(nèi)容依次為：標(biāo)題、作者姓名、工作單位、摘要、關(guān)鍵詞、作者簡介、通信地址、郵編、聯(lián)系電話及電子郵件地址。
{4}第一作者（通訊作者）簡介按姓名（出生年一），性別，職稱／學(xué)位，研究方向要求寫出，通訊作者同時提供E-mail和長期有效的聯(lián)系電話。
{5}文稿中使用的名詞術(shù)語、符號、計量單位要前后一致，符合國家有關(guān)標(biāo)準(zhǔn)（SI單位）。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
