文献类型：期刊文章

作　　者：周筑博[1] 高佼[2] 张巍[3] 王晓婧[1] 张静[1]

ZHOU Zhu-bo;GAO Jiao;ZHANG Wei;WANG Xiao-jing;ZHANG Jing(Tianjin ZhongWei Aerospace Data System Technology Co.,Ltd,Tianjin Key Laboratory of Intelligent Information Processing in Remote Sensing,Tianjin 300301,China;Jinan Tony Robotics Co.,Ltd.,Jinan 250101,China;Electric Power Research Institute,China Southern Power Grid Co.,Ltd.,Guangzhou 510080,China)

机构地区：[1]天津航天中为数据系统科技有限公司(天津市智能遥感信息处理技术企业重点实验室),天津300301 [2]济南汤尼机器人科技有限公司,山东济南250101 [3]南方电网科学研究院有限责任公司,广东广州510080

出　　处：《液晶与显示》

年　　份：2018

卷　　号：33

期　　号：4

起止页码：317-325

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EBSCO、IC、INSPEC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：为了检测输电线路可见光图像中的塔材、玻璃绝缘子和复合绝缘子,本文采用了一种基于深度卷积神经网络的技术。通过有人直升机搭载高清相机拍摄19条不同的输电线路近600张图片,对图片中的背景、塔材、玻璃绝缘子和复合绝缘子目标进行人工标注及分块,采用数据扩展生成包含15万个样本的输电线路图像库。构造5层深度卷积神经网络,首先用Cifar-100数据集对网络进行预训练,然后用输电线路图像库进行网络调优。本文方法在检测真阳率为90%时,假阳率低于10%,明显优于传统方法,可用于输电线路可见光图像中的塔材、玻璃绝缘子和复合绝缘子检测,检测结果可用于诊断参考或进一步的目标状态分析。可对输电线路可见光图像中的塔材和绝缘子目标进行检测,并可扩展到其它类型目标的检测。

关 键 词：输电线路图像  绝缘子 目标检测 深度学习  卷积神经网络

分 类 号：TP751.1]