基于深度学习的输电线路关键部件视觉检测方法的研究进展

被引:19
作者
赵振兵
崔雅萍
机构
[1] 华北电力大学电气与电子工程学院
关键词
输电线路; 关键部件; 视觉检测; 深度学习; 知识图谱;
D O I
暂无
中图分类号
TM75 [线路及杆塔]; TP391.41 [];
学科分类号
080203 ;
摘要
由于电网规模增长,直升机、无人机巡线的大量应用,产生的航拍图像数量剧增,使输电线路关键部件视觉检测与运检人员数量配置的矛盾日益突出。虽然深度学习技术可显著提高目标检测的准确率,但航拍巡线图像背景复杂,关键部件之间的相互遮挡,标注数据量较少等特点,限制了航拍输电线路关键部件视觉检测的工程应用。本文分析了深度学习中目标检测模型的现状,总结了基于深度学习的输电线路关键部件视觉检测方法的研究进展,并指出了构建输电线路关键部件图像数据库、建立专业的输电线路关键部件知识图谱以及将知识图谱与深度模型相融合对输电线路关键部件检测的重要性。
引用
收藏
页码:1 / 6
页数:6
相关论文
共 13 条
  • [1] A generation method of insulator region proposals based on edge boxes[J]. 赵振兵,张蕾,戚银城,石玉英.Optoelectronics Letters. 2017(06)
  • [2] 基于RCNN的无人机巡检图像电力小部件识别研究
    王万国
    田兵
    刘越
    刘俍
    李建祥
    [J]. 地球信息科学学报, 2017, (02) : 256 - 263
  • [3] 利用层次模型进行训练学习的线路设备缺陷检测方法
    付晶
    邵瑰玮
    吴亮
    刘磊
    季铮
    [J]. 高电压技术, 2017, 43 (01) : 266 - 275
  • [4] 高压输电线防震锤锈蚀缺陷检测
    宋伟
    左丹
    邓邦飞
    张海兵
    薛凯文
    胡泓
    [J]. 仪器仪表学报, 2016, 37(S1) (S1) : 113 - 117
  • [5] 基于显著图的输电线路杆塔图像拼接方法
    张旭
    高佼
    王万国
    刘俍
    张晶晶
    [J]. 计算机应用, 2015, 35 (04) : 1133 - 1136
  • [6] 基于类Haar特征与级联AdaBoost算法的防震锤识别
    金立军
    闫书佳
    刘源
    [J]. 系统仿真学报, 2012, 24 (09) : 1806 - 1809
  • [7] 基于随机Hough变换的OPGW防震锤识别
    陈晓娟
    吴英石
    赵亮
    [J]. 黑龙江电力, 2010, 32 (01) : 1 - 2+5
  • [8] 高压输电线路巡线机器人障碍物视觉检测识别研究
    胡彩石
    吴功平
    曹珩
    蒋国伟
    [J]. 传感技术学报, 2008, 21 (12) : 2092 - 2096
  • [9] 基于结构约束的架空输电线路巡线机器人障碍识别
    张运楚
    梁自泽
    傅思遥
    谭民
    吴功平
    [J]. 机器人, 2007, (01) : 1 - 6
  • [10] 飞行机器人巡检图像中关键部件缺陷特征量化[D]. 卢君妥.华北电力大学(北京). 2016