《電子技術應用》
您所在的位置:首頁 > 人工智能 > 設計應用 > 一種基于深度學習模型的無人機巡檢輸電線路山火檢測方法
一種基于深度學習模型的無人機巡檢輸電線路山火檢測方法
電子技術應用
薛倩楠,王 劍,劉 濤,閆希穎
(1.國網(wǎng)陜西省電力有限公司西安供電公司,陜西 西安 710032;2.西安英諾視通科技有限公司, 陜西 西安 710075)
摘要: 輸電巡檢圖像的背景復雜,目標檢測易受干擾,基于YOLOX神經(jīng)網(wǎng)絡模型,提出一種輸電線路山火檢測方法。首先采用YOLOX的主干特征提取網(wǎng)絡框架,并將其中多尺度特征提取模塊的常規(guī)卷積替換為可變形卷積;其次在加強特征提取階段增加了通道注意力和空間注意力模塊的融合,能夠自適應火焰的外形多變特點,更加有效地提取到山火特征,從而提高目標檢測的準確率。經(jīng)實驗驗證,所提方法能夠較為準確地檢測到山火,滿足日常巡檢的需求。
中圖分類號:TP391.41 文獻標志碼:A DOI: 10.16157/j.issn.0258-7998.233863
中文引用格式: 薛倩楠,王劍,劉濤,等. 一種基于深度學習模型的無人機巡檢輸電線路山火檢測方法[J]. 電子技術應用,2023,49(10):46-52.
英文引用格式: Xue Qiannan,Wang Jian,Liu Tao,et al. A mountain fire detecting method based on the deep learning model for UAV-based transmission line patrol inspection[J]. Application of Electronic Technique,2023,49(10):46-52.
A mountain fire detecting method based on the deep learning model for UAV-based transmission line patrol inspection
Xue Qiannan1,Wang Jian1,Liu Tao2,Yan Xiying2
(1.State Grid Shaanxi Electric Power Company Xi'an Power Supply Company, Xi'an 710032, China; 2.Xi'an ?nnovision Technology Co., Limited, Xi'an 710075, China)
Abstract: The background of the power transmission line inspection image is complex, and the target detection is easy to be disturbed. Based on YOLOX neural network model, this paper proposes a method of power transmission line mountain fire detection. Firstly, the backbone feature extraction network framework of YOLOX is adopted, and the conventional convolution of the multi-scale feature extraction module is replaced by deformable convolution. Secondly, the fusion of channel attention and spatial attention modules is added in the enhanced feature extraction stage, which can adapt to the variable shape of flames, extract mountain fire features more effectively, and thus improve the accuracy of target detection. The experiment verifies the effectiveness of the proposed method.
Key words : power transmission line inspection;mountain fire identification;neural network;target detection;YOLOX

0 引言

輸電線路巡檢是保障輸電設備安全的重要措施之一。隨著技術的發(fā)展,當前的巡檢方式逐漸由傳統(tǒng)的人工巡檢轉(zhuǎn)變?yōu)闊o人機智能巡檢[1-2]。通過無人機搭載高清攝像機和基于人工智能的圖像識別算法,可以快速自動識別輸電線路中的多種風險點,這種方式大大提高了巡檢的效率。在各種風險點中,山火是其中一項重要的內(nèi)容。

基于智能圖像處理的山火識別可分為傳統(tǒng)圖像處理檢測方法和深度學習檢測方法兩大類[3-4]。傳統(tǒng)圖像處理方法利用火焰目標的顏色、紋理、邊緣和頻閃性等特征來進行檢測,如嚴云洋[5]提出一種基于RGB和HSI空間融合形狀結(jié)構(gòu)特征的檢測方法;劉培江[6]提出一種利用火焰的尖角數(shù)、圓形度等特征提取的檢測方法;Borges[7]通過提取火焰視頻幀之間的動態(tài)變化,將火焰的頻閃性以及其他特征輸入到貝葉斯分類器中來判定是否存在火焰目標。深度學習檢測方法通過卷積神經(jīng)網(wǎng)絡實現(xiàn)目標特征的自動提取并進行目標識別,如Xie[8]提出一種自適應輕量級卷積神經(jīng)網(wǎng)絡,同時提取運動閃爍的動態(tài)特征和深度靜態(tài)特征;Muhanmad[9]在GoogleNet的基礎上,根據(jù)火焰特性進行網(wǎng)絡結(jié)構(gòu)的調(diào)整,提高模型泛化能力;Shen[10]在YOLO網(wǎng)絡上進行輕量化,使用9個卷積層、池化層和激活函數(shù)組成的附加層進行預訓練,完成火焰初定位,再使用4層卷積調(diào)整特征圖大小進行結(jié)果檢測,增加結(jié)果框的準確度,該網(wǎng)絡更加適合于現(xiàn)場嵌入式設備部署;楊傳凱[11]提出一種基于SSD網(wǎng)絡模型的輸電線路山火檢測方法,實現(xiàn)輸電線監(jiān)控場景中的山火檢測。此外,還有基于雷達回波數(shù)據(jù)與遙感圖像融合的輸電線路山火智能檢測方法與火情分析方法[12-13]。由于山火非剛體,其在燃燒過程中外形多變,且背景復雜,當前的深度學習模型在山火識別任務中常常會出現(xiàn)誤檢和漏檢,因此,面對輸電線路智能巡檢任務,有必要尋找一種性能更好的山火識別與檢測方法。



本文詳細內(nèi)容請下載:http://www.viuna.cn/resource/share/2000005712




作者信息:

薛倩楠1,王劍1,劉濤2,閆希穎2

(1.國網(wǎng)陜西省電力有限公司西安供電公司,陜西 西安 710032;2.西安英諾視通科技有限公司, 陜西 西安 710075)



微信圖片_20210517164139.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權禁止轉(zhuǎn)載。
主站蜘蛛池模板: 天天操操操操 | 日本h片在线 | 国产亚洲精品影达达兔 | 99久久精品免费 | 大桥未久aⅴ一区二区 | 色色色色色色网 | 欧美极度另类videos高清 | 国产系列在线播放 | jzzjlzz亚洲乱熟在线播放 | 最近免费最新高清中文字幕韩国 | 国产欧美精品区一区二区三区 | 亚洲精品高清国产麻豆专区 | 在线看www免费看 | 98精品国产高清在线xxxx | 日韩高清特级特黄毛片 | 欧美video巨大粗暴多人 | 欧美日韩不卡视频一区二区三区 | 成人午夜免费福利视频 | 欧美在线看片a免费观看 | 成人日皮视频 | 日日综合网 | 日韩激情视频在线 | 天天操天天操天天操天天操 | 清风阁爱干 | a级成人毛片久久 | 日日干日日干 | 国产精品久久久久久一区二区三区 | 国产全黄a一级毛片 | 在线看成人片 | 揉大乳gif动态图 | 亚洲视频aaa | 黑人极品videos精品欧美裸 | 欧美日韩性视频一区二区三区 | 国产中文在线观看 | 亚洲 欧美 日韩在线综合福利 | 免费看黄片毛片 | 国产日韩视频一区 | 人成网站在线观看 | 日本欧美国产精品 | 中国特级黄一级真人毛片 | 日韩在线观看视频网站 |