文献类型：期刊文章

作　　者：陈嘉琛[1] 俞曜辰[2] 陈中[2] 韩卫[3]

CHEN Jiachen;YU Yaochen;CHEN Zhong;HAN Wei(Chien-Shiung Wu College,Southeast University,Nanjing 211189,China;School of Electrical Engineering,Southeast University,Nanjing 210096,China;Shenzhen DY Power AI Co.,Ltd.,Nanjing,211100,China)

机构地区：[1]东南大学吴健雄学院,南京211189 [2]东南大学电气工程学院,南京210096 [3]深圳市多翼电智科技有限公司,南京211100

出　　处：《南方电网技术》

年　　份：2021

卷　　号：15

期　　号：1

起止页码：114-120

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：为解决在无人机巡检输电线路现场中出现的图像识别算法对硬件要求高、计算耗时长,训练集图片较少且复杂多变等问题,提出了一种基于改进YOLOv3算法的输电线路缺陷检测方法。提出了在YOLOv3原基本框架下加入空间金字塔池化(spatial pyramid pooling,SPP)模块的方法,使得该算法能在同一层内提取多尺度深度特征,以适应巡检现场输入尺寸不同、复杂多变的图片检测;提出了对添加了SPP模块的YOLOv3进行通道减少、框架瘦身的剪枝处理方法,以优化YOLOv3的轻量化性能,降低对巡检时车载服务器的硬件要求、减少计算时长。使用数量较少的输电线路缺陷图像数据集对该改进算法进行验证。测试结果表明,改进的模型对硬件依赖性较小,检测精度几乎不变,平均每步迭代时间减少了0.81 s,整体性能提升25%。

关 键 词：输电线路缺陷识别  YOLOv3  SPP模块  剪枝 图像识别

分 类 号：TM726]