基于Cascade R-CNN的配电网鸟巢检测

TM769; 绝大部分的配电网线路故障都是架空线路故障,而鸟害一直是导致架空线路故障高发的主要原因,仅次于雷害与外力破坏.并且由于输电线路人工巡检成本较大,电网公司缺乏有效的应对措施.近年来,随着深度学习技术的不断发展,基于深度学习方法的目标检测与定位识别技术已经达到不错的效果,并开始大规模应用于产业.因此提出了一种基于Cascade R-CNN的配电网鸟巢检测方法,实验结果证明,该方法可以为配电网提供一种相对稳定、高效的鸟巢检测结果....

Full description

Saved in:
Bibliographic Details
Published in浙江电力 Vol. 40; no. 3; pp. 73 - 78
Main Authors 赵锴, 李继东, 黄佳, 郑静媛, 张淞杰
Format Journal Article
LanguageChinese
Published 国网北京市电力公司,北京 100031%浙江大学 电气学院,杭州 310027 2021
Subjects
鸟巢检测
配电网
卷积神经网络
深度学习
目标检测
Online AccessGet full text
ISSN1007-1881
DOI10.19585/j.zjdl.202103011

Cover

More Information
Summary:TM769; 绝大部分的配电网线路故障都是架空线路故障,而鸟害一直是导致架空线路故障高发的主要原因,仅次于雷害与外力破坏.并且由于输电线路人工巡检成本较大,电网公司缺乏有效的应对措施.近年来,随着深度学习技术的不断发展,基于深度学习方法的目标检测与定位识别技术已经达到不错的效果,并开始大规模应用于产业.因此提出了一种基于Cascade R-CNN的配电网鸟巢检测方法,实验结果证明,该方法可以为配电网提供一种相对稳定、高效的鸟巢检测结果.
ISSN:1007-1881
DOI:10.19585/j.zjdl.202103011