摘要
针对无人机巡检图像中绝缘子识别精度不高的问题,提出了一种基于YOLOv3的目标检测方法.该方法通过将YOLOv3主干网络16倍下采样单元中原始卷积层替换成扩张率为2的空洞卷积层,增大了卷积层感受野,卷积网络在保证分辨率的同时融合了更多的目标信息,有效提高了检测网络的识别精度.此外,考虑到输电线路中绝缘子具有细长型特点,方法对k-means聚类算法中距离度量公式也进行相应改进,聚类出更适合绝缘子特征的anchor框尺寸.实验结果表明:在保证实时性的前提下,改进后的YOLOv3网络结构与经典的YOLOv3网络结构相比较,其目标检测召回率从80.3％提高到89.1％,识别精度从83.9％提高到91.8％,可为后续的绝缘子故障识别提供技术支持.
基金项目
重庆市基础与前沿研究计划(cstc2015jcyjA 40051)
重庆市基础与前沿研究计划(cstc2016jcyjA0497)
重庆市基础与前沿研究计划(cstc2016jcyjA0447)
国家科技期刊平台
NSTL
万方数据