文献类型：期刊文章

作　　者：张彦凯[1] 余飞鸿[2,3] 夏岩[2,3] 刘勇[2,3] 张蕊[2,3]

ZHANG Yankai;YU Feihong;XIA Yan;LIU Yong;ZHANG Rui(Lanzhou Longneng Electric Power Science&Technology Ltd.,Lanzhou 730000,Gansu,China;School of Automation and Information Engineering,Sichuan University of Science&Engineering,Yibin 644000,Sichuan,China;Intelligent Electric Power Grid Key Laboratory of Sichuan Province,Chengdu 610095,Sichuan,China)

机构地区：[1]兰州陇能电力科技有限公司,甘肃兰州730000 [2]四川轻化工大学自动化与信息工程学院,四川宜宾644000 [3]智能电网四川省重点实验室,四川成都610095

出　　处：《四川电力技术》

基　　金：智能电网四川省重点实验室开放基金项目(2022-IEPGKLSP-KFYB05)。

年　　份：2023

卷　　号：46

期　　号：1

起止页码：62-68

语　　种：中文

收录情况：普通刊

摘　　要：针对传统变电站人工视频安全帽检测效率低和错误率高的问题,文中提出了一种优化的高精度Faster-RCNN安全帽检测方法。首先,以RPN为主干网络引入特征金字塔,增强检测算法浅层和深层信息表征能力;接着,引入K-Means++聚类算法优化Anchor参数,提升网络对小目标的检测能力;然后,以ROI Align代替RoI池化,消除量化误差和原始图片与特征图的映射偏差,从而提高检测精度;最后,采用开源安全帽数据集对改进的网络进行训练与测试,并将该模型与YOLOv3、RFBnet和传统Faster-RCNN进行了对比。实验结果表明:优化的Faster-RCNN相比RFBnet、YOLOv3和传统Faster-RCNN模型,将mAP值分别提高了6.81%、9.57%和5.09%,达到了92.43%;检测速度为18 frame/s,同时增强了变电站安全帽高精度识别能力。

关 键 词：变电站 目标检测 Faster-RCNN  K-Means++聚类  ROI Align  

分 类 号：TB115[数学类]