文献类型：期刊文章

作　　者：罗潇[1] 於锋[2] 彭勇[1]

LUO Xiao;YU Feng;PENG Yong(State Grid Shanghai Municipal Electric Power Company,Shanghai 200120,China;School of Electrical Engineering,Nantong University,Nantong 226019,China)

机构地区：[1]国网上海市电力公司,上海200120 [2]南通大学电气工程学院,江苏南通226019

出　　处：《电力系统保护与控制》

基　　金：国家电网公司科技项目资助(B30970200003)。

年　　份：2022

卷　　号：50

期　　号：10

起止页码：132-139

语　　种：中文

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

摘　　要：由于无人机电网巡检存在检测区域面积小、背景复杂、计算量大等特点,导致深度学习算法的准确率和实时性难以实现。为实现无人机电网巡检的准确、快速识别,分析了各类深度学习算法在复杂环境下对绝缘子的检测效果,提出了一种基于YOLO v3的目标检测算法。首先选用ResNet18作为主干网络结构,然后构建一个多尺度特征金字塔,将其与主干网络进行融合,形成深度融合的电网巡检绝缘子检测模型,可在提高检测准确率的同时,满足实时性的检测要求。实验结果表明,YOLO v3网络的均值平均精度(mAP)达98.10%,相比于Faster R-CNN提高了6.71%;其每秒检测帧数高达47.52帧,分别是R-CNN和Faster R-CNN的25倍和12倍。所提的YOLO v3网络具有更优的识别精度和检测速度。

关 键 词：无人机巡检  深度学习  YOLO v3  ResNet18  绝缘子

分 类 号：TP18] TP391.41] TM75]