期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进Cascade R-CNN的两阶段销钉缺陷检测模型 被引量：4
1
作者 王红星 翟学锋 +3 位作者 陈玉权 黄郑 黄祥 高小伟 《科学技术与工程》 北大核心 2021年第15期6373-6379,共7页
无人机在输电线路巡检过程中会拍摄大量图片,自动识别无人机拍摄图片中存在的部件缺陷是无人机巡检的重要环节。其中销钉的缺陷由于目标较小且需要依赖上下文信息才能正确判断,识别难度较大。针对上述问题,提出了一种两阶段的销钉缺陷... 无人机在输电线路巡检过程中会拍摄大量图片,自动识别无人机拍摄图片中存在的部件缺陷是无人机巡检的重要环节。其中销钉的缺陷由于目标较小且需要依赖上下文信息才能正确判断,识别难度较大。针对上述问题,提出了一种两阶段的销钉缺陷检测模型。首先使用Faster R-CNN(regin convolutional neural networks)模型提取出原始图像中的连接部位,再对提取出的每个连接部位进行缺陷识别。缺陷识别模型使用改进的Cascade R-CNN,该模型使用层级残差卷积模块代替骨干网络中的3×3卷积并使用路径聚合特征金字塔(PAFPN)代替原始网络中的特征金字塔结构,能够有效提取图片中的多尺度特征和上下文信息。最后将级联检测器的最后一级替换为double-head检测器,减少模型误报。实验结果表明,模型对销钉缺失及销钉脱出两类缺陷的平均识别精度能够达到81.2%,与原始的Cascade R-CNN相比提升了7.8%。 展开更多
关键词 无人机巡检 销钉缺陷 目标检测 深度学习 cascade R-CNN
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部