基于改进DeepLabv3+模型的电力线语义分割方法

作者：左安全; 秦伦明; 王悉; 边后琴; 陈思林

来源：无线电工程, 2022, 1-9.

• 电力线提取
• 图像分割
• 深度学习
• DeepLabv3+

在无人机智能电力巡检中，电力线分割是实现无人机自动避障、保障低空飞行安全的关键技术。针对现有基于深度学习的电力线分割算法存在的预测速度慢、分割精度低的问题，提出一种改进DeepLabv3+算法的电力线分割模型PBB-DeepLabv3+。用轻量级PP-LCNet替换原始DeepLabv3+主干网络Xception，有效减少参数量并提升预测速度。在空洞空间金字塔池化模块中增加空洞卷积分支和级联卷积，获取具有更大感受野的多尺度特征从而减少漏分割现象，并进一步将空洞卷积分支改为瓶颈结构以减少参数量。在解码器融合3层浅层特征以恢复降采样过程中丢失的细节特征。引入瓶颈注意力模块减少对电力线误分割现象。实验结果表明，改进算法预测速度相对于原DeepLabv3+模型提升54.39%，平均像素精度和平均交并比分别提升1.18%和3.50%，参数量仅为原模型的6.38%。兼顾了分割速度和精度，能够对电力线进行有效分割。

• 单位
  上海电力大学; 北京交通大学; 电子信息工程学院