文献类型：期刊文章

作　　者：杨罡[1] 孙昌雯[1] 张娜[1] 晋涛[1] 徐澄宇[2] 吴庭栋[3] 张兴忠[3]

Yang Gang;Sun Changwen;Zhang Na;Jin Tao;Xu Chengyu;Wu Tingdong;Zhang Xingzhong(Electric Power Research Institute of State Grid Shanxi Electric Power Company,Taiyuan 030001,China;Internet Department,State Grid Shanxi Electric Power Company,Taiyuan 030021,China;School of Software,Taiyuan University of Technology,Jinzhong 030600,Shanxi,China)

机构地区：[1]国网山西省电力公司电力科学研究院,太原030001 [2]国网山西省电力公司互联网部,太原030021 [3]太原理工大学软件学院,山西晋中030600

出　　处：《电测与仪表》

基　　金：国网山西省电力公司科技项目(52053017000N)

年　　份：2020

卷　　号：57

期　　号：3

起止页码：54-59

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对输电线路无人机实时巡检过程中,通用目标检测算法在移动端运行速度过慢或无法运行的问题,提出一种将多尺度特征融合方法与输电线路关键部件的检测相结合的算法MSFF-KCD(Multi-Scale Feature Fusion in Key Component Detection)。该算法结合关键部件的特征,使用深度可分离卷积设计了特征提取网络DPNets,提高了算法在具有边缘计算能力的移动端ARM设备上的运行速度,同时采用多尺度特征融合方法,将分辨率低的特征图与分辨率高的特征图进行融合,使用多个特征融合后的特征图进行分类与检测,提高了算法的平均精度。选取了绝缘子、悬垂线夹、防震锤三类关键部件进行实验,结果表明,该算法在ARM设备上可达到每张66 ms的检测速度和86%的准确率,适用于移动端关键部件检测。

关 键 词：多尺度特征融合  输电线路 关键部件  嵌入式 深度学习  目标检测

分 类 号：TM93]