输电线检测与跟踪

已于 2025-07-15 09:46:03 修改
阅读量171 收藏
点赞数 3
CC 4.0 BY-SA版权
文章标签： python
于 2025-07-11 11:41:11 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40725313/article/details/149270709

ok了，兄弟们，我们开始！

输电线检测与跟踪论文阅读

知网论文阅读，从工程的角度，以及从写论文的角度出发。
检测或者识别方面的文章大部分是输电线异常检测、零件缺陷识别

基于一种改进的Hough变换的输电线提取与识别

2016年
在这里插入图片描述
这篇论文最终的效果也还不错。
在这里插入图片描述
  文章提出了基于一种改进的Hough变换的输电线提取与识别的方法，利用搜索聚类首先将二值图像中相连的像素点提取出来，经过形态学处理后由于背景中的像素点分布是分散而不连续的，因此只有输电线的边缘会被保留下来；接着仅需要少量的计算提取出的输电线边缘像素点到参数空间的点线映射就可以运用阈值区间的自适应估算方法识别出输电线。实验结果表明，该方法能较为准确的提取出图像中的输电线，并且计算速度较传统方法有提高，在实际应用中更能满足实时性的需求，但是在对比度极低的情况下识别效果还不理想，这是今后要研究解决的问题。

基于一种改进的Hough变换的输电线路图像中导线识别研究

硕士学位论文 2016年 太老了，有点不想看了（PS：好吧，跟上一篇文章的作者是同一个人）

最低0.47元/天 解锁文章
蜀中廖化
关注
基于深度学习YOLOv11的输电线路设备检测系统详解
YOLO
02-13 391
YOLO（You Only Look Once）是一种极为高效的目标检测算法，它能够将目标检测任务转化为回归问题，直接预测物体的边界框和类别标签。YOLOv11是YOLO系列的最新版本，拥有更为精细的特征提取网络、更快的推理速度和更高的检测精度。端到端训练：YOLOv11能够直接从输入图像到输出结果，通过一个神经网络实现。高精度和高效率：YOLOv11具有高准确率，特别是在实时目标检测中表现出色。多尺度检测：YOLOv11能够在不同尺寸的目标上进行高效检测，适用于不同大小的输电线路设备。
输电线巡检：基于YOLOv10的无人机检测电线悬挂物监控系统
YOLO
05-13 970
本文详细介绍了如何使用YOLOv10算法结合UI界面，设计并实现一个基于无人机的电力输电线悬挂物检测系统。通过深度学习的目标检测能力，无人机能够高效识别电线上的悬挂物，从而为输电线路的巡检提供了自动化、智能化的解决方案。
【目标检测】输电线异物数据集2739张YOLO+VOC格式
lwx666sl的博客
09-14 208
该输电线异物数据集包含2739张VOC+YOLO格式图片，涵盖4类目标（气球766个、风筝935个、鸟巢1480个、垃圾6036个），总计9217个标注框。数据集经增强处理，包含JPEG图片、XML和TXT标注文件，分辨率清晰，采用矩形标注框。特别说明：仅保证标注准确性，不承诺模型训练效果。（97字）
【YOLO 系列】基于YOLO的输电线路杆鸟巢检测系统【python源码+Pyqt5界面+数据集+训练代码】
牧子川的博客
11-21 1428
输电线路的安全稳定运行对于电力供应至关重要。鸟巢作为外力因素之一，可能导致线路短路、跳闸等严重事故。传统的人工巡检方式效率低下，且难以及时发现和处理鸟巢问题。为了提高输电线路杆塔鸟巢的检测效率和准确性，我们开发了基于YOLO V8的智能检测系统。该系统利用深度学习技术，能够自动识别和定位输电线路杆塔上的鸟巢，极大地提升了检测的自动化水平和响应速度。
读论文：SOD-YOLO:高压输电线上小目标的高精度检测
a44267113的博客
06-06 1037
线夹和防振锤是高压输电线路的关键部件。无人机电力巡检中检测到的线夹和防振锤尺寸小、边缘信息少、识别准确率低。针对这些问题，提出一种基于YOLOv8n的小目标检测模型，称为SOD-YOLO。首先，YOLOv8增加了一个额外的小目标检测层，显著提高了小目标检测精度。此外，为了提高模型的检测速度，引入了RepVGG/RepConv ShuffleNet (RCS)和一次聚合RCS (RCSOSA)模块来代替模型主干和颈部浅层网络中的C2f模块。最后，针对模型训练过程中对低质量样本包围盒的过度关注，引入Wise-C
【滤波跟踪】基于UKF、EKF、AEKF的毫米波雷达目标检测数据仿真与IMM交互多模型目标跟踪Matlab实现
matlab_dingdang的博客
10-07 1095
摘要: 本文旨在研究并实现基于不同滤波算法的毫米波雷达目标跟踪系统。针对毫米波雷达目标检测数据，我们分别采用无迹卡尔曼滤波器(UKF)、扩展卡尔曼滤波器(EKF)和自适应扩展卡尔曼滤波器(AEKF)进行单模型目标跟踪，并利用交互式多模型(IMM)算法融合上述三种滤波器的结果，实现更鲁棒和精确的多模型目标跟踪。本文详细介绍了各算法的原理、Matlab实现过程，并通过仿真实验对比分析了不同算法的性能，验证了IMM算法在提高跟踪精度和鲁棒性方面的优势。关键词: 毫米波雷达；目标跟踪；UKF；EKF；AEKF；
基于YOLOv5s的无人机航拍输电线瓷瓶检测(附数据集与操作步骤)
Coovally_AI的博客
09-20 747
Coovally利用先进的机器视觉技术和成熟的解决方案，运用YOLO算法进行模型训练，可以对瓷瓶破损、污染及老化等异常状况快速识别。
基于YOLOX的输电线路异物检测算法研究及软件设计_有系统有文献，整体认知蛮好的
白水空空
08-18 1531
我国自改革开放以来，大力发展工业和经济，对电能同样有着巨大的需求，所需求的电能不仅需要保证其数量，还要保障其质量，因此对整个电力系统安全稳定的运行也提出了更高的要求，电力系统发生故障要实时检测并及时排除，避免造成严重的安全事故和经济损失.我国输电线路巡检基本以人工巡检方式为主，但传统的人工巡检方式效率低，限制多，还往往会消耗大量的人力物力，后来引入直升机沿线巡检的方法，但该方法飞行作业十分危险且培训及维护费用极其昂贵，无法在很大程度上缓解人工巡检带来的问题。最近几年，GPU 计算能力不断提升，越来越多研究者
数据集汇总（目标检测、目标跟踪、语义分割....）定期更新
catCode2024的博客
08-13 474
致力于数据分享
10、物体检测与跟踪：深度学习与稀疏表示的应用
a1b2c的博客
06-29 38
本文探讨了深度学习与稀疏表示在物体检测与跟踪中的应用。重点介绍了基于深度学习的DEBC检测方法，通过Faster R-CNN和VGG16模型实现高准确率和精确率；同时提出了一种基于稀疏表示的鲁棒物体跟踪技术，能够有效应对遮挡、光照变化等挑战。文章还讨论了多模态数据融合（如RGB-D图像）对提升检测与跟踪性能的潜力，并展望了未来研究方向，包括在线学习和深度学习与稀疏表示的结合。
使用Python操作你的手机（Appium入门）
qq_42568323的博客
10-23 1101
本文介绍了如何使用Python和Appium框架实现手机自动化操作。首先详细讲解了环境配置步骤，包括安装Node.js、Appium服务器、Python客户端库以及Android SDK等必备组件。接着阐述了Appium的核心概念，如客户端-服务器架构、Desired Capabilities配置和元素定位策略。文章重点演示了一个完整的计算器自动化测试案例，包括初始化驱动、定位UI元素、执行计算操作和验证结果的全过程。该方案支持Android和iOS平台，适用于自动化测试、数据采集和批量操作等场景，能显著提
神经网络中的 HWC→CHW 格式转换
StarPrayers.的博客
10-23 638
HWC（高度、宽度、通道）和CHW（通道、高度、宽度）是神经网络中两种数据格式。CHW格式更符合主流框架（如PyTorch）要求，能提升计算效率，减少内存访问延迟，并与预训练模型兼容。转换方法包括使用NumPy的transpose或PyTorch的permute函数进行维度置换。CHW格式有利于优化GPU计算性能，适配深度学习框架的卷积操作要求。
docker 原理
2301_78043557的博客
10-23 672
Docker 本质上是一个利用 Linux Namespace、Cgroups、UnionFS 等技术实现的进程级虚拟化环境。它让应用在一个独立的、可复制的、轻量的环境中运行。
Python函数进阶秘籍：闭包、装饰器与作用域全解析（通俗版）
qq_21106275的博客
10-22 802
在Python编程中，函数不仅仅是代码的封装单元，更是构建强大、灵活程序的基石。本篇博客将带你深入探索Python函数的高级特性——从函数说明文档到闭包、装饰器，再到作用域机制，用最通俗易懂的方式讲清楚这些“高大上”的概念！就像你学开车一样，先理解方向盘怎么转，再开上路才不会慌。
深度学习（5）-PyTorch 张量详细介绍
一个人的江湖
10-20 445
张量是一个多维数组，可以是标量、向量、矩阵或更高维度的数据结构。在 PyTorch 中，张量（Tensor）是数据的核心表示形式，类似于 NumPy 的多维数组，但具有更强大的功能，例如支持 GPU 加速和自动梯度计算。张量支持多种数据类型（整型、浮点型、布尔型等）。张量可以存储在 CPU 或 GPU 中，GPU 张量可显著加速计算。
4.10.如何扩展 Cypher
changyandou2020的博客
10-22 54
摘要（148字） 本指南介绍如何通过用户定义的过程和函数扩展Cypher查询语言。过程（返回数据流）和函数（返回单值）可增强Neo4j功能，需用Java开发并部署至插件目录。内置命令SHOW PROCEDURES/FUNCTIONS可查看可用扩展，调用时需使用CALL或YIELD子句。APOC Core等社区库提供现成解决方案，但自定义开发需注意安全风险（仅限自托管版，AuraDB不支持）。扩展机制支持读写操作，需通过注解定义参数和返回类型，运行在Cypher事务上下文中。
js中的reduce()方法
最新发布
2404_87143740的博客
10-25 185
reduce()
python重载
xiaoliu_0168的博客
10-23 256
这个类MyNumber的作用是：定义一个自定义的数字类，它能在打印或查看时，显示出不同格式的字符串。print(n1)会显示不同的效果。__str__()→ 给人看的字符串__repr__()→ 给程序员或调试看的字符串。
华为OD机试C卷 - 会议室占用时间段 - 区间合并 - （Java & C++ & JavaScript & Python）
smallnetter的专栏
10-21 37
摘要：本文介绍了一个会议室占用时间段的合并问题，输入为多个会议的起止时间数组，要求输出合并后的时间段。解题思路是先将会议按开始时间排序，然后遍历合并重叠或相邻的区间。提供了Java、C++、JavaScript和Python四种语言的实现源码，核心算法都是先排序后合并区间，最后按原格式输出结果。
VideoDetect: 创新输电线铁路监测系统开源解决方案
2. 物体识别与跟踪：系统可能运用物体识别技术，对视频中的输电线进行跟踪，一旦检测到输电线的移动或状态变化，系统将能及时做出反应。 3. 异常报警机制：在检测到输电线异常时，系统可能具备自动报警功能，能够向...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值