作者：郭敬东; 陈彬; 王仁书; 王佳宇; 仲林林无人机巡检电力杆塔深度学习yolo数据增广人工智能与大数据应用
摘要：无人机巡检已成为电力线路灾后巡检的重要方式。然而,目前的无人机巡检仍主要通过人工方式评估线路灾损,不仅费时费力,而且准确率低。提出了一种基于深度学习算法(YOLO)的实时目标检测模型,用于灾后根据无人机巡检视频实时检测电力杆塔的状态。通过对倒断类杆塔图像进行数据增广,解决了杆塔类别不平衡问题。通过使用K-means算法对杆塔数据集的目标框进行重新聚类,改进了YOLO算法参数。测试结果表明,该模型能有效检测多种环境下多种尺度的杆塔目标。改进后的模型在测试集上的召回率和交并比(IoU)较改进前有所提高,且平均均值精度(mAP)达到94.09%,检测速度达到20帧/s。此外,也对更快的简化版YOLO模型进行了测试,检测速度能达到30帧/s。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
