科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于传统深度学习模型的接触网绝缘子检测设备，由于模型参数较多，计算量较大，对计算机硬件要求较高，很难安装在轻小型移动端嵌入式平台等设备上。而且运行速度较慢，很难通过视觉对绝缘子清洗机器人进行实时牵引控制。针对这一问题，本研究以MobileNet-v1为网络主体对复杂背景下的接触网绝缘子进行特征提取，并以SSD目标检测器对其进行识别。实验结果表明SSD-MobileNet模型大幅度降低了计算量，较大幅度提升了运行速度，但其精度几乎不变，从而实现了模型的轻量化和具备实时性，为绝缘子清洗的开展提供必要的前提。其中，MobileNet是Google推出的一款高效的移动端轻量化网络，其核心即是深度可分离卷积。本研究设计采用基于Pytorch框架来构建SSD-MobileNet模型。
- 单位
