基于深度学习的输电线杆塔鸟巢检测与识别

作者：庞宁

来源：自动化与仪器仪表, 2020, (04): 195-204.

DOI：10.14016/j.cnki.1001-9227.2020.04.195

• 深度学习
• 输电线杆塔
• 鸟巢
• 检测与识别

传统的基于BP网络检测与识别算法存在泛化能力差的缺点,影响分类识别率和检测准确率。为此设计基于深度学习的输电线杆塔鸟巢检测与识别方法。以Faster R-CNN算法网络结构为基础,利用ZF-NET网络提取鸟巢图像特征图,输入特征图,经过修正后输出矩形候选区域并计算检测窗口,利用检测窗口完成图像中有无鸟巢的检测;提取已检测图像特征,再通过构建的强分类器对其进行分类,完成鸟巢位置的识别。实验结果表明:与传统的基于BP网络的方法相比,基于深度学习的Faster R-CNN算法识别率提高了12.13%,检测准确率提高了3.5%,证明了基于深度学习的算法具有较强的泛化能力。