基于深度学习和视觉语义关系的防振锤滑移目标检测

作者：安金鹏; 王晓春

来源：智能计算机与应用, 2022, 12(09): 183-188.

• 防振锤
• 深度学习
• Cascade R-CNN
• 视觉语义关系

为了精确定位防振锤滑移异常，保障输电线路安全运行，在输电线路巡检过程中，通常使用视觉检测的方法，对防振锤滑移异常及相关部件进行识别。但输电线路场景复杂多变，常规目标检测算法对防振锤滑移异常检测的精度较差，无法满足实际检测需求。因此，本文提出一种基于深度学习和视觉语义关系的防振锤滑移目标检测方法。该方法依据空间上下文信息，判断所检测目标间的视觉语义关系；联合Cascade R-CNN目标检测算法，并利用制定的相应判别规则及约束算法，实现防振锤滑移异常判别。实验结果表明，与常规目标检测算法相比，本文方法对防振锤滑移异常目标识别更加有效，在输电线路巡检中具有较高的理论价值与可观应用前景。