![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
电网异物检测
文章平均质量分 93
羞儿
和我一起学习吧,有问题请积极讨论。费曼学习法,论证,整合,再论证,再整合。
展开
-
面向电网巡检的多尺度目标检测算法研究-蛮不错的工作
同时使用不同的卷积核就能够得到多个代表图像不同意义的特征图,因此在每个卷积层都有一整个集合的卷积核,卷积核的数量与输出特征图的通道数相等,输出特征图是将卷积操作结果进行堆叠后形成的完整结果。Wout 、Hout 分别表示卷积所得特征图的宽、高,Win 、Hin 分别表示输入图像的宽、高, F 为卷积核尺寸大小, S 为卷积核移动步长,P为对输入图像像素周围添加全 0 像素值的圈数,设置P值可以加强对输入图像边缘信息的提取,且在S =1时,将 P值设为( F-1) / 2能够保证输入与输出的尺寸相同。原创 2023-11-15 10:19:29 · 260 阅读 · 0 评论 -
基于YOLOv8的输电线路异物识别算法应用
输电线路作为电力系统的重要一环,保证其安全稳定运行是十分必要的。由于长期暴露于室外,线路所面临的不安全因素繁多,异物入侵便是其中之一。异物可能会引起线路短路甚至诱发火灾,因此要加强输电线路的日常运维工作。然而受地理、环境等诸多条件限制,传统的人工巡检方式存在效率低、准确性差、覆盖面小等问题。常见的输电线路入侵异物包含鸟巢、风筝和悬挂的气球等。输电线路的巡检是排除异物干扰、保证线路稳定运行的重要手段,因此对巡检质量提出了较高要求。目前我国大多数地区的巡检主要依靠人工,但人工巡检存在着不小的隐患。首先,传统的巡原创 2023-11-12 16:55:15 · 1531 阅读 · 0 评论 -
数据增强代码实践,补一点多进程,多线程的知识点
目前最先进的神经网络模型,其本质上也是在利用一系列线性和非线性的函数去拟合目标输出。既然是拟合,当然越多的样本就能获得越准确的结果,这也是为什么现在训练神经网络所使用的数据规模越来越大。在实际使用中,我们往往可能只有几千甚至几百份数据。面对神经网络数以 M 计的参数,很容易陷入过拟合的陷阱。因为神经网络的收敛需要一个较长的训练过程,而这个过程中网络遇到的反反复复都是训练集的那几张图片,硬背都背下来了,自然很难学到什么能够泛化的特征。原创 2023-09-25 11:19:33 · 92 阅读 · 0 评论 -
朴实无华的数据增强然后训练一下应用在电网异物检测领域,好像有自己的数据集就能发文了
本文提出了一种新的深度学习网络——RCNN4SPTL (RCNN -based Foreign Object Detection for Securing Power Transmission lines),该网络适用于检测输电线路上的异物。RCNN4SPTL使用RPN (Region Proposal Network)来生成区域提议的纵横比,以匹配外来物体的大小。RCNN4SPTL使用端到端训练来提高性能。实验结果表明,与原来的Faster RCNN相比,。原创 2023-08-21 21:39:35 · 298 阅读 · 1 评论 -
yolov3加上迁移学习和适度的数据增强形成的网络应用在输电线异物检测
输电线路为电能从一个地方输送到另一个地方提供了一条路径,确保输电线路的正常运行是向城市和企业供电的先决条件。主要威胁来自外来物,可能导致电力传输中断。。实验结果表明,即使在训练数据较少的情况下,迁移学习和数据增强的神经检测方法也是一种有效的方法,且不损失实时性。原创 2023-08-21 16:09:53 · 393 阅读 · 0 评论 -
用yolov4-tiny检测在电力输电线20种鸟类,灵活运用训练trick,实验较为完备,数据处理丰富度值得参考
输电线路高效防鸟害是电网运行维护面临的长期挑战。本文提出了一种将轻量级卷积神经网络(CNN)、图像处理和目标检测相结合的方法来检测与输电线路故障相关的典型鸟类。构建了威胁输电线路安全的20种鸟类图像数据集。。通过调整训练过程的参数,在测试集上的平均精度(mAP)可以达到92.04%。然后,根据测试结果和性能指标,与Faster RCNN、SSD、YOLOv4等方法进行比较,验证了所提方法的有效性。利用运动模糊、散焦模糊、对比度和亮度调节等图像预处理方法模拟了实际工程应用场景。原创 2023-08-21 10:49:06 · 543 阅读 · 5 评论 -
检测输电线上的鸟巢,用SSD结合HSV色彩空间滤波器相结合的检测方法--论文中图还少一张,欠点意思
电力塔上鸟巢的存在对输电线路的安全稳定构成了威胁。近年来,利用无人机探测输电线路上的鸟巢已成为电力巡检的重要任务之一。图像处理方法从计算机视觉向功率图像识别的迁移日益成为一种趋势。本文提出了单镜头检测器与HSV色彩空间滤波器相结合的检测方法,利用不同光照角度下颜色跨度较大的图像特征对鸟巢进行识别。利用微调后的单镜头检测器网络对鸟巢进行识别,并将检测结果裁剪成子图像。然后使用基于HSV色彩空间的选择器对子图像进行过滤,其中不包含可被像素百分比去除的鸟巢对象。实验结果表明,该方法能够准确地检测出测试传输线检测图原创 2023-08-20 16:41:43 · 300 阅读 · 0 评论 -
基于深度学习的铁路异物侵限检测算法研究_整体认知感觉欠点意思,但是有一个新的变形卷积-Octave 卷积
相似的,对于卷积层输出的特征图也能够看成是不同频率分量的组合,对于输出特征图的低频部分,每一个位置都独立的储存着自己的特征描述子,而忽略了那些可以共同储存和处理的相邻区域的特征描述子,这就造成了在进行卷积运算时不必要的计算量的产生,因此可以将经过卷积层处理后的特征图分解成不同频率的两个部分,在卷积神经网络中,传统的卷积方式是使用一定大小的卷积核上的每一个元素乘以原图片或特征图上相应位置的特征值,最后相加,将得到的数值作为经过卷积操作的到的特征图上对应位置的特征值,具体计算公式如式。原创 2023-08-19 16:52:16 · 1273 阅读 · 0 评论 -
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
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,越来越多研究者原创 2023-08-18 16:53:52 · 820 阅读 · 1 评论 -
【电网异物检测硕士论文摘抄记录】电力巡检图像中基于深度学习的异物检测方法研究
电网异物检测原创 2023-07-28 10:10:25 · 925 阅读 · 1 评论