一种基于深度学习与多模态融合的避雷器目标检测技术

作者：程敏; 张淼; 郭永春; 唐海健

来源：机器人技术与应用, 2021, (05): 42-48.

• 机器人
• 深度学习
• 目标检测
• 实例分割
• 多模态融合

针对室外复杂场景下,目标检测易漏检、鲁棒性较差等问题,笔者提出一种基于深度学习与多模态融合的避雷器目标检测方法。通过利用深度学习的实例分割模型,对RGB图进行目标检测与分割,再利用传统特征提取方法,结合避雷器的先验信息,最终获取避雷器的3D中轴线。实验结果表明,压缩后的AI模型可在CPU上成功部署,具有较高的工程价值。而且,AI模型引入注意力机制和多尺度融合后,避雷器预测Mask和Box的AP50值都可达到98%以上,具有更强的空间信息和高低维语义信息的提取能力,很好地解决漏检和误检问题。此外,本方法的3D中轴线距离误差和角度误差都优于传统的模板匹配法。

• 单位
  亿嘉和科技股份有限公司