【摘 要】
：
近年来,无人机已广泛应用于电力巡检中。由于电力现场环境非常复杂,无人机操作员上岗前需要依靠无人机飞行技术考核系统进行严格的考核。在考试现场,视觉系统对远距离小无人机的检测效果将决定考核系统的能力。由于小目标在图像中的尺寸较小,目标特征不明显,传统的目标检测算法不能够有效地检测到小目标。而深度学习理论的持续完善,使得小目标检测的能力不断提高。为了提升高压电塔场景下对于无人机小目标的检测效果,本文的主
论文部分内容阅读
近年来,无人机已广泛应用于电力巡检中。由于电力现场环境非常复杂,无人机操作员上岗前需要依靠无人机飞行技术考核系统进行严格的考核。在考试现场,视觉系统对远距离小无人机的检测效果将决定考核系统的能力。由于小目标在图像中的尺寸较小,目标特征不明显,传统的目标检测算法不能够有效地检测到小目标。而深度学习理论的持续完善,使得小目标检测的能力不断提高。为了提升高压电塔场景下对于无人机小目标的检测效果,本文的主要工作内容包括:（1）构建了特定无人机小目标的数据集。由于现在还没有公开的无人机数据集可以使用,所以本文首先在不同场景下完成了三种不同型号无人机的图像采集,然后采用背景扩充、旋转扭曲等多种方式来增强数据集。（2）研究了基于YOLO的小目标检测算法。为了实现对无人机小目标的快速检测,对比分析YOLO系列算法的结构特点以及优缺点后,选取YOLOv3作为网络架构。然后从5个方面对YOLOv3算法进行了改进,改进后的算法在高压电塔场景下的检测精度提升到79.24%,漏检率降低到23.38%,误检率降低到19.08%。（3）研究了基于RCNN的小目标检测算法。为了实现对无人机小目标的高精度检测,对比分析了四种RCNN算法后,选取Mask RCNN作为网络架构,并根据实验结果对Mask RCNN算法进行了改进,改进后的算法在高压电塔场景下的检测精度提升到84.63%,漏检率降低到13.34%,误检率降低到16.49%。（4）设计并实现了YOLOv3+Mask RCNN的小目标检测算法。为了进一步提升对无人机小目标的检测效果,将改进后的YOLOv3算法和改进后的Mask RCNN算法进行融合,形成了YOLOv3+Mask RCNN算法,并根据实验结果对融合后的算法再次进行改进,最后改进后的算法在高压电塔场景下的检测精度提升到88.76%,漏检率降低到7.67%,误检率降低到8.21%。
其他文献
在Web2.0时代,社交媒体平台应运而生,在用户主导的内容生产背景下构建了新的媒体空间,打破了传统网络中“信息”到“人”的单向模式,增强了互动,促进了用户与其他用户、用户和网站的信息交流。诸如微信、微博之类的社交媒体的发展和普及使人们的信息需求和社交需求都得到了极大满足,不仅改变了用户的社交习惯,也重塑了传统的人际关系。用户被进一步赋予了言说和表达展现自我的能力,个人在社交媒体上的自我呈现可被视为
随着人工智能技术在工程实践上的应用以及为了避免人力资源的浪费,无人潜航器系统在水下作业中的作用愈发重要。水下无人潜航器系统具有投入成本低、灵活性高、隐蔽性强等优势,从而能够应用于执行目标探测,协同攻击,协同防御等水下作业。为了完成协同攻击或者协同防御的水下作业任务,各国通过应用水下协同制导技术来实现水下协同攻击或者水下协同拦截。因此,水下协同制导技术的研究显得尤为重要。而水下协同制导律的设计是协同
随着近年来视景仿真技术的发展,数字海洋逐渐成为了研究热点。然而当前的水体仿真方法更侧重于大洋开阔海域的水面波浪与光照模拟,对于水域颜色以及水下光学环境则是以简单绘制为主,并不适用于模拟具有复杂水质条件与光学特征的近岸水域。针对上述问题,本文以真实近岸水域的光学特性为基础,对该特定类型水体的颜色仿真及光照仿真模型构建方法开展研究。首先,为了解决当前方法对近岸水域颜色模拟准确性低、实时性不足以及水下效
蒲公英作为多年生草本植物,依靠风的对流或者气流产生的升力来传播和扩散种子。因为其质量轻巧、构造简洁而且有着极为良好的飞行性能,通过分析其飞行机理能够设计出性能优异且适用于中低速飞行或滞空飞行的无动力式仿生飞行器,在各个范畴都有着相当广泛的使用场景。然而,目前对于仿蒲公英飞行器相关研究匮乏,并无明确的仿蒲公英飞行器的设计方法。为借鉴于蒲公英种子高效的飞行方式设计出新型飞行器,本文模仿研究了以风力为媒
随着互联网接入范围的不断拓展,以及社会化媒体用户参与度的持续提升,普通用户也参与到了意见环境的建构过程之中,其观点随之成为个体概括线上舆论、感知意见群体归属的重要参考,影响着包括少数意见者在内的,不同意见群体参与公共讨论的意愿。然而,与这一趋向伴生的,是线上讨论情境的不文明化现象,尤其见于具有意见环境“代理人”属性的社交媒体新闻评论区。由其生成的,带有不适性与威胁性的敌意讨论环境,会为劣势意见一方
多机器人协作区域覆盖是指多个机器人相互配合、快速高效地探索并覆盖环境区域,最后实现对区域全局监测的过程。这是多机器人系统研究中的重要组成部分,具有非常重要的现实意义。在高效的区域覆盖任务中,覆盖控制方法是多机器人系统需要解决的关键问题。目前,大多数区域覆盖方法是在凸型区域假设下实现,而真实环境普遍为非凸复杂区域,因此凸区域假设具有局限性;此外,当前的多机器人覆盖算法还存在覆盖效率低、鲁棒性差、动态
在科技日益发展的今天,电子产业不断壮大,一些小型耳机音响设备迅速占领市场,走进我们的生活。小型耳机音响设备内部的金属膜片缺陷分类方法的研究,也被广泛的关注,研究的方向也逐渐从传统的手工检测方法向深度学习方法转变,以此来解决金属震动膜片在生产过程中人工检测方法效率低、肉眼分类粗糙、检测成本高昂,以及误检率较高等问题。本文基于现有的卷积神经网络模型,利用迁移学习的方式,在小样本集下,对金属震动膜片进行
自动钻铆技术作为航空制造领域的一项关键技术,在飞机部件装配中得到广泛应用。但自动钻铆技术在应用时依赖于车间工程师的经验,自动钻铆效率低下,且批量铆接过程中铆接件易变形,应力应变过大将导致无法精确装配。本论文针对民机舱门自动钻铆过程中的钻铆效率问题以及铆接累积的应力应变预测问题,以应用自动钻铆系统进行钻铆和铆接的民机舱门为研究对象,对自动钻铆过程中的钻铆路径进行规划并提出一种铆接过程的变形预测方法。
当前，“双碳”目标下实现经济高质量发展是我国各地区有待解决的关键问题。通过构建向量自回归模型，从异质性电力能源角度探讨绿色电力能源及电力能源绿色化水平对广西经济高质量发展的影响效应，并分析各变量之间的动态关系。研究发现：绿色电力能源对广西经济高质量发展有显著影响，电力能源绿色化水平对广西经济高质量发展的影响不显著；动态关系上，初期绿色电力能源与电力能源绿色化水平对广西经济高质量发展均存在正向影响，