公开(公告)号：CN111241905A

公开(公告)日：2020-06-05

申请号：CN201911145465.5

申请日：2019-11-21

Applicant: 南京工程学院

Inventor： 焦良葆 ,  祁婕 ,  曹雪虹 ,  杨波 ,  孔小红

IPC: G06K9/00 ,  G06K9/46 ,  G06N20/00

Abstract: 基于改进SSD算法的输电线路鸟窝检测方法，涉及一种目标识别方法。本发明包括以下步骤：（1）通过无人机获取输电铁塔的图像，并对其进行预处理后，人工打标签，制作数据集；（2）将步骤（1）得到的数据集分为互斥的训练集、验证集和测试集，采用改进后的SSD算法对其进行训练得出用于识别目标的模型；（3）根据步骤（2）得到的模型对目标进行识别；（4）对训练所得日志进行统计，得出该模型的准确率。本发明对输电线路上的鸟窝实现智能实时监控，极大的降低了人力成本，提高效率。

公开(公告)号：CN111104906A

公开(公告)日：2020-05-05

申请号：CN201911321192.5

申请日：2019-12-19

Applicant: 南京工程学院

Inventor： 焦良葆 ,  杨波 ,  曹雪虹 ,  祁婕 ,  秦嘉

IPC: G06K9/00 ,  G06K9/62

Abstract: 一种基于YOLO的输电塔鸟巢故障检测方法，属于计算机视觉技术领域。本发明的检测方法包括以下步骤：数据获取，无人机拍摄电力杆塔的图像，涵盖不同角度；将采集到的数据集进行标记，并按照8:2:1随机划分为训练集、验证集、测试集；通过K-means算法对标记得到的目标框进行聚类，得到改进后的锚点；通过YOLO神经网络对训练集、验证集进行训练，获取YOLO神经网络的最终模型；利用步骤四获取的YOLO神经网络检测模型对测试集进行检测。本发明相对于传统的YOLO分类网络，识别效率和准确率都更突出；检测速度快，能够满足电力线路无人机常态化巡检的应用需求；检测准确率高、鲁棒性强、速度快。