-
题名基于深度学习的输电线路绝缘子缺陷检测研究
被引量：11
- 1
-
-
作者
丘灵华
朱铮涛
-
机构
广东工业大学机电工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2020年第S01期358-360,365,共4页
-
文摘
针对输电线路部件绝缘子缺陷的人工巡检效率低的问题,提出了一种以两阶段目标检测Faster-RCNN+FPN为框架的深度学习缺陷检测方法,利用无人机进行图像采集,基于绝缘子的结构特性与缺陷种类,使用聚类算法优化anchor尺寸,并采用IoU阈值级联结构和全局RoI提升目标定位,最后以soft-NMS+voting(投票平均)进行结果优化。实验结果表明,该算法在绝缘子缺陷测试当中取得了每张近0.45 s的识别速度和85.1%的m AP,有效性与可靠性均得到了保证。
-
关键词
绝缘子
Faster-RCNN
聚类
IoU阈值级联
全局RoI
voting投票平均
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TM75
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于深度神经网络的图像分类方法研究与应用
- 2
-
-
作者
桂丰
丘灵华
-
机构
惠州市博实结科技有限公司
-
出处
《无线互联科技》
2023年第21期82-85,共4页
-
文摘
文章介绍了一种图像单类别分类方法。该方法利用深度神经网络进行图像分类训练,实现对图像的准确分类,并应用于交通红绿灯识别和产品缺陷检测。该方法能采集并预处理目标图像和非目标图像,用于深度神经网络的训练。经过一段时间的分类训练后,得到的分类器能够对输入的任意图像进行分类预测。在交通红绿灯识别的应用场景中,红绿灯分类器能对图像进行分类处理。在产品缺陷检测的应用场景中,合格产品图像为目标图像,缺陷产品图像和异类产品图像为非目标图像,通过训练得到一个合格产品分类器。该方法具有广泛的应用前景,在图像识别和分类领域具有重要的实用价值。
-
关键词
图像分类
单类别分类
深度神经网络
图像识别
-
Keywords
image classification
single category classification
deep neural network
image recognition
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—计算机科学与技术]
-
