【摘 要】
：
山火严重威胁着输电设备的安全。文章基于深度学习目标识别算法,提出一种基于SSD网络模型的山火目标检测方法,并针对主干特征提取网络进行改进和优化,引用Inception分组卷积
【机 构】
：
国网陕西省电力公司电力科学研究院,西安工程大学,西安电子科技大学综合业务网理论及关键技术国家重点实验室
【基金项目】
：
国网陕西省电力公司科技研发项目(5226KY18002J)
论文部分内容阅读
山火严重威胁着输电设备的安全。文章基于深度学习目标识别算法,提出一种基于SSD网络模型的山火目标检测方法,并针对主干特征提取网络进行改进和优化,引用Inception分组卷积模块,从网络宽度的角度拓展网络,添加更加丰富的卷积核,提高模型质量,以实现山火特征的有效提取。此外,针对较大卷积核会导致计算量暴增的问题,提出在模块设计中采用各个分支不交叉、添加1×1卷积层等方式有效地减少网络参数,提高网络的检测速度。实验表明,所提方法能够准确地实现输电线监控场景中的山火检测,在检测准确率、置信度和边框回归
其他文献
合成孔径雷达(Synthetic Aperture Radar,SAR)是一种全天候、全天时、作用距离远以及高分辨率的成像雷达,它的诸多优点使其在军事和民用领域都表现出无可替代的作用。干涉合成孔径雷达(Interferometric SAR,In SAR)是合成孔径雷达的发展,它在保留SAR优点的同时,可以对观测场景实现高精度三维成像。代表性的工作模式有循序扫描地形观测模式SAR(Terrain
采用几种复配药用植物对草莓再植病害的防治进行了研究，本试验分别用T12、T14、T15和F10四组复配材料处理土壤，另设溴甲烷（MB）熏蒸对照和重茬空白对照，进行2年的保护地试验，调查了