控制与决策

作者：李辉,董燕,刘祥,王涵,徐凌伟

单位：青岛科技大学 信息科学技术学院,山东 青岛 266061,,青岛科技大学 信息科学技术学院,山东 青岛 266061,,青岛科技大学 信息科学技术学院,山东 青岛 266061,,澳门城市大学 数据科学研究院,澳门 999078,,青岛科技大学 信息科学技术学院,山东 青岛 266061,

关键词：输电线路;异常目标;深度学习;目标检测;多尺度特征;全局特征增强

基金：国家自然科学基金项目(61702295)；江西省自然科学基金项目(20202BABL212001)；山东省自然科学基金项目(ZR2020QF003).

输电线路的异常目标检测对提高输电系统的安全性、可靠性、稳定性起到十分重要的作用,而已有目标检测并未针对线路异常目标的尺度变化大、小目标多、光线暗、部分遮挡等问题进行有效设计,导致识别速度慢、易受环境干扰、误报漏报频发等.针对上述问题,采用两阶段深度网络,利用特征金字塔网络(FPN)提取多尺度特征,使主干网更好地适应目标多尺度变化,并通过全局网络进行特征增强,获得更清晰、更具有代表性的多尺度目标特征.在区域选择网络(RPN)中提出特征指导的候选框生成网络,能够生成稀疏且形状任意的锚,产生更紧密的掩模包围框.在检测阶段,采用多任务损失函数提升网络的预测精度和泛化能力,提高异常目标的检测性能.在MS COCO数据集上进行消融实验和性能对比,验证所提出方法的有效性和先进性,在输电线路数据集上异常目标检测精度达到77%,优于主流深度学习的目标检测方法.

来源：2022年第7期

《控制与决策》期刊编辑部

查看控制与决策杂志2022年第7期