基于改进R3det的无人机电力杆塔倾斜程度检测

作者：胡霞; 仲林林^*

来源：仪器仪表学报, 2023, 44(10): 189-200.

DOI：10.19650/j.cnki.cjsi.J2311576

• 电力杆塔
• 无人机巡检
• 旋转目标检测
• 倾斜程度检测

无人机巡检图像中的电力杆塔具有多姿态、大长宽比等特点，难以利用特有的先验知识来准确定位和判别不同倾斜程度的杆塔。本文提出了一种改进的R3det网络模型(Multi-Head-KF-R3det),可提高电力杆塔倾斜程度检测精度。首先，在原始R3det中引入倾斜程度分支，实现了电力杆塔类别和倾斜程度的判别以及电力杆塔的准确定位。然后，将基于卡尔曼滤波的旋转交并比损失项引入回归损失函数中，在不增加额外超参的情况下，进一步提升了模型整体检测精度以及倾斜程度检测召回率。最后，基于Ghost轻量化网络设计原理对改进后的模型进行合理压缩，为模型在嵌入式设备中的部署奠定基础。实验结果表明，Multi-Head-KF-R3det在多尺度和多姿态的电力杆塔数据集上检测精度和召回率分别可达94.5%和94.9%。

• 单位
  东南大学