仪器仪表学报

作者：胡 霞，仲林林

单位：胡 霞,1. 东南大学-蒙纳士大学苏州联合研究生院(东南大学),,仲林林,2. 东南大学电气工程学院,

关键词：电力杆塔;无人机巡检;旋转目标检测;倾斜程度检测

基金：国家自然科学基金 (92066106)、江苏省科协青年科技人才托举工程 (2021031)、东南大学“至善青年学者”支持计划(中央高校基本科研业务费) (2242022R40022)项目资助

无人机巡检图像中的电力杆塔具有多姿态、大长宽比等特点,难以利用特有的先验知识来准确定位和判别不同倾斜程度的杆塔。本文提出了一种改进的R3det网络模型(Multi-Head-KF-R3det),可提高电力杆塔倾斜程度检测精度。首先,在原始R3det中引入倾斜程度分支,实现了电力杆塔类别和倾斜程度的判别以及电力杆塔的准确定位。然后,将基于卡尔曼滤波的旋转交并比损失项引入回归损失函数中,在不增加额外超参的情况下,进一步提升了模型整体检测精度以及倾斜程度检测召回率。最后,基于Ghost轻量化网络设计原理对改进后的模型进行合理压缩,为模型在嵌入式设备中的部署奠定基础。实验结果表明,Multi-Head-KF-R3det在多尺度和多姿态的电力杆塔数据集上检测精度和召回率分别可达94.5%和94.9%。

来源：2023年第10期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2023年第10期