基于深度学习的高压杆塔异物检测

作者：师飘; 张超; 郑祥明

来源：重庆科技学院学报(自然科学版), 2020, 22(02): 83-87.

DOI：10.19406/j.cnki.cqkjxyxbzkb.2020.02.019

• 深度学习
• Fast R-CNN模型
• 高压杆塔
• 鸟巢
• 目标检测

针对高压杆塔的安全性易受鸟巢等异物影响的情况,提出基于经典深度学习理论的Fast RCNN算法,实现对异物的快速检测,降低安全风险。该算法的基本思路是,通过Selective Search法提取杆塔图像候选区域,并基于CaffeNet网络模型优化参数,经过多次迭代和样本训练,最后智能检测出杆塔图像中的鸟巢并定位目标区域。

• 单位
  亳州学院