可学习双边引导去雾模型在铁路电力巡检中的应用

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：鉴于铁路运输安全的重要性,开发高效的电力巡检技术对于及时发现和预防线路问题变得尤为关键.本研究提出了一种基于可学习双边引导的图像去雾模型,结合最新的目标检测算法YOLOv8,旨在提高复杂环境下视频化铁路电力巡检中鸟窝检测的准确性和效率.该模型利用深度学习技术在低能见度条件下从大雾中恢复清晰图像,有效识别和定位潜在隐患.相较于传统方法和早期技术,实验显示本模型在速度和准确率方面显著优于现有技术.本研究不仅提高了铁路巡检的技术水平,也为图像处理技术的广泛应用开拓了新路径.

作者：

丁嵛珅、陈飞、汪洋

展开 >

作者单位：

天津工业大学计算机科学与技术学院

天津工业大学创新学院

关键词：

图像去雾铁路电力巡检 YOLOv8 深度学习目标检测鸟窝识别自动化检测系统

出版年：

2024

消费电子

中国电子商会

消费电子

影响因子：0.076

ISSN：1674-7712

年,卷(期)：2024.(3)

参考文献量4