|
|||||
|
|
| 基于改进Cascade R-CNN的两阶段销钉缺陷检测模型 | |
| 作者姓名： | 王红星 翟学锋 陈玉权 黄郑 黄祥 高小伟 |
| 作者单位： | 江苏方天电力技术有限公司,南京211102;北京御航智能科技有限公司,北京100085 |
| 基金项目： | 江苏方天电力技术有限公司科技项目(KJ201915);无人机智能巡检关键技术与三维平台应用。 |
| 摘 要： | 无人机在输电线路巡检过程中会拍摄大量图片,自动识别无人机拍摄图片中存在的部件缺陷是无人机巡检的重要环节.其中销钉的缺陷由于目标较小且需要依赖上下文信息才能正确判断,识别难度较大.针对上述问题,提出了一种两阶段的销钉缺陷检测模型.首先使用Faster R-CNN (regin convolutional neural n... |
| 关 键 词： | 无人机巡检 销钉缺陷 目标检测 深度学习 Cascade R-CNN |
| 收稿时间： | 2020-11-04 |
| 修稿时间： | 2021-03-08 |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 | |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 | |