基于YOLO的無人機電力線路桿塔巡檢圖像實時檢測
摘要：無人機巡檢已成為電力線路災后巡檢的重要方式。然而,目前的無人機巡檢仍主要通過人工方式評估線路災損,不僅費時費力,而且準確率低。提出了一種基于深度學習算法(YOLO)的實時目標檢測模型,用于災后根據無人機巡檢視頻實時檢測電力桿塔的狀態。通過對倒斷類桿塔圖像進行數據增廣,解決了桿塔類別不平衡問題。通過使用K-means算法對桿塔數據集的目標框進行重新聚類,改進了YOLO算法參數。測試結果表明,該模型能有效檢測多種環境下多種尺度的桿塔目標。改進后的模型在測試集上的召回率和交并比(IoU)較改進前有所提高,且平均均值精度(mAP)達到94.09%,檢測速度達到20幀/s。此外,也對更快的簡化版YOLO模型進行了測試,檢測速度能達到30幀/s。
注: 保護知識產權,如需閱讀全文請聯系中國電力雜志社
相關推薦
更多
