文档名:基于改进YOLOv3的输电线路部件实时检测
摘要:针对基于深度学习的目标检测技术应用于工业领域无法在移动端嵌入式设备上实现高效且准确的检测这一问题,提出一种基于YOLOv3改进的输电线路部件实时检测算法轻量级特征融合检测模型LFF-DM(LightweightFeatureFusionDetectionModel).一方面通过改进式的K-means算法得到聚类结果;另一方面结合深度可分离卷积和倒残差块设计出轻量化的网络结构.通过在自建的包含绝缘子、悬垂线夹、防震锤、鸟巢与导地线的专业巡检数据集上进行实验,结果表明在NVIDIAJetsonAGXXavier设备上可以实现25FPS的检测速度及90.48%mAP的检测精度,适用于输电线路移动端实时精确巡检.
作者:卢志博 徐澄宇 杨罡 JudeMichaelAkotonou 张兴忠 Author:LuZhibo XuChengyu YangGang JudeMichaelAkotonou ZhangXingzhong
作者单位:太原理工大学软件学院,山西晋中030600国网山西省电力公司互联网部,太原030021国网山西省电力公司电力科学研究院,太原030001
刊名:电测与仪表 ISTICPKU
Journal:ElectricalMeasurement&Instrumentation
年,卷(期):2023, 60(7)
分类号:TM93
关键词:深度学习 目标检测 输电线路 YOLOv3 轻量化 移动端
Keywords:deeplearning objectdetection transmissionlines YOLOv3 lightweight mobileterminal
机标分类号:TP311TN911.73TP18
在线出版日期:2023年7月31日
基金项目:山西省重点研发计划项目,国网山西省电力公司科技项目,国网山西省电力公司科技项目基于改进YOLOv3的输电线路部件实时检测[
期刊论文] 电测与仪表--2023, 60(7)卢志博 徐澄宇 杨罡 JudeMichaelAkotonou 张兴忠针对基于深度学习的目标检测技术应用于工业领域无法在移动端嵌入式设备上实现高效且准确的检测这一问题,提出一种基于YOLOv3改进的输电线路部件实时检测算法轻量级特征融合检测模型LFF-DM(LightweightFeatureFusion...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进YOLOv3的输电线路部件实时检测 Real-time detection of transmission line components based on improved YOLOv3
基于改进YOLOv3的输电线路部件实时检测.pdf
- 文件大小:
- 18.13 MB
- 下载次数:
- 60
-
高速下载
|
|