公开(公告)号：CN110705397A

公开(公告)日：2020-01-17

申请号：CN201910884173.7

申请日：2019-09-19

Applicant: 东南大学

Inventor： 陈嘉琛 ,  俞曜辰 ,  陈雨辰 ,  顾雅茹 ,  陈中

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08 ,  G06Q50/06 ,  G07C1/20 ,  G01N21/95

Abstract: 本发明提供了一种适用于现场样本量少的YOLOv3剪枝识别绝缘子缺陷方法，步骤为：步骤1，根据无人机巡检实时传输图片数据，获取绝缘子图像与对应XML标签数据；步骤2，对绝缘子图像进行处理；步骤3，以YOLOv3为基本框架，进行剪枝修改操作后建立深度学习模型；步骤4，将由4个并行maxpool层组成的的SPPnet模块引入到剪枝后的YOLOv3中；步骤5，将处理好的绝缘子图像和修改后的TXT标签数据转换成训练数据；步骤6，得到绝缘子识别模型；步骤7，得到每张图片中检测出的绝缘子图框信息；步骤8，判断绝缘子故障。优点是：在不减少平均精度的情况下，减少了训练时间、降低了对图片质量的要求，同时降低了对车载服务器的计算力要求，提高了绝缘子巡检智能化水平。