简介：摘要 本文分析了目前输电线路杆塔上隐患检测算法的不足，研究了近些年来提出的电网隐患检测算法，并在此基础上进行了综合的分析研究之后，提出了适用于输电杆塔本体隐患智能识别的无人机边缘计算的轻量级算法MGFF-KCD（关键部件检测的多粒度特征融合算法），利用FPN构建FasterR-CNN检测模型来提取多粒度的特征图像的融合方法，使用多个粒度的图像特征融合后进行分类与检测，提高了算法的准确率；将算法模型移植到华为Atlas芯片并集成到无人机平台中，在无人机终端进行实时智能分析。选取了销钉、绝缘子、防震锤、均压环、鸟巢五类关键部位进行实验，结果表明，该算法在Atlas200芯片设备上可实现平均每张62ms的检测速度和88%的准确率。
客服QQ：30444492琼网文【2021】1550-113号
增值电信业务经营许可证：琼B2-20210322
出版物经营许可证：新出发龙华出字第(2021)009号
广播电视节目制作经营许可证：(琼)字第00779号
版权所有 ©2002-2024 期刊网 琼ICP备2021005105号
