基于Mask R-CNN的电力设备锈迹检测
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金(61309024);山东省重点研发计划(2017GGX0140)


Rust Detection of Power Equipment Based on Mask R-CNN
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    电力设备锈迹目标的识别在电力安全方面具有极高的应用价值,但是锈迹具有大小、形状不规则等特点,利用传统的机器学习算法检测效率和准确率不高.针对这一问题,研究分析锈迹特点,提出基于Mask R-CNN的电力设备锈迹检测识别方法.使用Faster R-CNN完成目标检测的功能,FCN精准的完成语义分割的功能,实现像素级别的分类识别,较好地解决了不规则锈迹的检测问题.实验结果表明,基于Mask R-CNN的电力设备锈迹检测结果准确率高.

    Abstract:

    The recognition of rust target on power equipment has very high application value in power security, nevertheless, the rust has the characteristics of irregular size and shape, thus the detection efficiency and accuracy of traditional machine learning algorithm are not high. Aiming at this problem, the characteristics of rust stain are studied and analyzed, and a rust detection and recognition method for power equipment based on Mask R-CNN is proposed. Faster R-CNN is used to complete the function of target detection, FCN accurately completes the function of semantics segmentation, realizes the classification and recognition at the pixel level, and better solves the problem of irregular rust detection. The experimental results show that the accuracy of rust detection of power equipment based on Mask R-CNN is high.

    参考文献
    相似文献
    引证文献
引用本文

薛冰.基于Mask R-CNN的电力设备锈迹检测.计算机系统应用,2019,28(5):248-251

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2018-12-03
  • 最后修改日期:2018-12-25
  • 录用日期:
  • 在线发布日期: 2019-05-05
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号