可提高檢測精度的電力標識牌智能檢測方法

朱建寶, 桑順, 馬青山, 俞鑫春, 張斌

(1. 國網江蘇省電力有限公司 南通供電分公司,江蘇 南通 226006;2.上海交通大學 電力傳輸與功率變換控制教育部重點實驗室,上海 200240;3.江蘇奧威信息系統工程有限公司,江蘇 南通 226007)

0 引 言

21世紀以來,國民經濟穩步發展,社會對電力的需求也逐步提高。在推動電網智能化發展的要求下,電力巡檢工作開始逐步使用基于圖像處理技術的電力作業管控平臺[1]。電力安全標識牌檢測能夠提醒作業人員提高安全意識[2],是電力作業管控平臺的重要組成部分之一。電力安全標識牌的檢測容易受到天氣、光線等外部環境的干擾[3],極大地影響算法的準確性[4]。

深度學習作為一種智能算法,能夠用于電力系統中的故障診斷與預防[5]。作為深度卷積神經網絡的一種“只看一次”(you only look once, YOLO)檢測網絡具有結構簡單、檢測速度和精度高等優勢[6],在實際工程中應用廣泛。

本文針對電力安全標識牌檢測算法在實時性上要求高,在精度上要求相對較低的特點,為解決電力標識牌尺寸較小、角度樣式多和易被遮擋住的難題,建立了電力安全標識牌檢測的數據集,提出基于索引池化結構的改進YOLO網絡,用于降維和去除冗余信息,提高電力標識牌檢測的準確度。

1 索引池化YOLO

1.1 網絡模型

本文采用提高特征圖的分辨率和錨框密度的辦法,來提高對小目標的覆蓋率。與此同時,對上采樣后的深層特征進行索引池化,從而精準恢復圖像信息。本文稱這種網絡為索引池化“只看一次”(you only look once index pooling, YOLO_IP)網絡。……