公开(公告)号：CN112184692B

公开(公告)日：2024-02-27

申请号：CN202011090060.9

申请日：2020-10-13

Applicant: 辽宁工程技术大学

Inventor： 李鑫 ,  刘帅男 ,  杨桢 ,  李艳 ,  王珂珂 ,  宋阳 ,  李钰梁

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开一种输电线路多目标检测方法，主要对三种类型绝缘子、两种绝缘子缺陷、防震锤、相间棒以及鸟窝进行目标识别，属于输电线路目标识别技术领域。该方法首先利用样本生成技术增加样本数据的数量级，增强深度学习的检测效果，之后将新生成的实验数据划分为训练集、测试集以及验证集，搭建PyTorch深度学习环境，采用四路GPU分布式训练，建立ResNet101和6层FPN网络提取图像特征，ResNet101和6层FPN网络的输出作为RPN网络的输入来训练Cascade R‑CNN深度学习网络模型，最后根据Softmax分类器以及边框回归结果实现目标识别。本发明运算速度快并且识别目标准确率高，具有较强的多目标识别能力。

公开(公告)号：CN112184692A

公开(公告)日：2021-01-05

申请号：CN202011090060.9

申请日：2020-10-13

Applicant: 辽宁工程技术大学

Inventor： 李鑫 ,  刘帅男 ,  杨桢 ,  李艳 ,  王珂珂 ,  宋阳 ,  李钰梁

IPC: G06T7/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种输电线路多目标检测方法，主要对三种类型绝缘子、两种绝缘子缺陷、防震锤、相间棒以及鸟窝进行目标识别，属于输电线路目标识别技术领域。该方法首先利用样本生成技术增加样本数据的数量级，增强深度学习的检测效果，之后将新生成的实验数据划分为训练集、测试集以及验证集，搭建PyTorch深度学习环境，采用四路GPU分布式训练，建立ResNet101和6层FPN网络提取图像特征，ResNet101和6层FPN网络的输出作为RPN网络的输入来训练Cascade R‑CNN深度学习网络模型，最后根据Softmax分类器以及边框回归结果实现目标识别。本发明运算速度快并且识别目标准确率高，具有较强的多目标识别能力。