利用卷积神经网络进行绝缘子自动定位

论文摘要

提出一种基于二值化赋范梯度特征和卷积神经网络的航空影像绝缘子自动定位方法。首先利用二值化赋范梯度分类器提取绝缘子候选窗口,而后利用卷积神经网络算法进行精细识别,获得包含绝缘子目标的窗口集,最后对高重叠度窗口集进行加权迭代合并得到最终绝缘子定位结果。采用广东电网大型无人机实际线路巡检获取的可见光影像对自动定位算法进行验证,实验结果表明,在复杂背景下绝缘子整体回调率为90.5%,定位精度为92%,证明该方法能够对复杂背景下可见光影像中的绝缘子进行有效识别定位,且算法通用性较强,可适应不同背景的可见光影像。

论文目录

• 1 基于航空影像的绝缘子自动定位
•   1.1 基于BING算法的绝缘子候选窗口确定
•     1) 获取训练样本。
•     2) 特征计算。
•     3) 获取分类器模型参数。
•     4) 计算窗口得分。
•     5) 归一化窗口得分。
•   1.2 基于卷积神经网络的绝缘子窗口精确识别
•     1.2.1 CNNs训练样本的获取
•       1) 正负样本获取。
•       2) 正负样本数量平衡。
•     1.2.2 CNNs的使用
•   1.3 高重叠度窗口加权迭代合并
• 2 实验结果与分析
•   2.1 实验结果
•   2.2 实验分析
•   2.3 对比实验
•     2.3.1 HOG特征下的识别效果比较
•     2.3.2 现有识别方法比较
• 3 结 语

文章来源

类型: 期刊论文

作者: 彭向阳,刘洋,王柯,张泊宇,钱金菊,陈驰,杨必胜

关键词: 二值化赋范梯度,卷积神经网络,加权迭代合并,绝缘子,自动定位

来源: 武汉大学学报(信息科学版) 2019年04期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 广东电网公司电力科学研究院,武汉大学测绘遥感信息工程国家重点实验室

基金: 南方电网公司重大科技专项(GD-KJXM20150903),国家自然科学基金(41531177),中国博士后科学基金(2016M600614)~~

分类号: TM216;TP183

DOI: 10.13203/j.whugis20170175

页码: 563-569

总页数: 7

文件大小: 4582K

下载量: 286