公开(公告)号：CN110097053B

公开(公告)日：2021-05-04

申请号：CN201910334105.3

申请日：2019-04-24

Applicant: 上海电力学院

Inventor： 彭道刚 ,  彭盖伦 ,  王岚青 ,  姚洋洋 ,  黄孟俊 ,  晏小彬 ,  尹磊

IPC: G06K9/32 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种基于改进Faster‑RCNN的电力设备外观缺陷检测方法，包括以下步骤：采集电力设备图像，建立电力设备外观图像库，包括训练集和测试集；构建改进Faster‑RCNN模型，该模型中，利用特征融合技术将不同层卷积神经网络的特征图进行融合，且区域提取网络RPN基于改进锚框进行区域提取；使用训练集训练改进Faster‑RCNN模型，在训练过程中增加一条训练支路；使用测试集测试改进Faster‑RCNN模型的性能，然后将改进Faster‑RCNN模型用于电力设备外观缺陷检测。与现有技术相比，本发明在在训练速度、检测准确率方面优于Faster‑RCNN，具有一定的应用价值。

公开(公告)号：CN110097053A

公开(公告)日：2019-08-06

申请号：CN201910334105.3

申请日：2019-04-24

Applicant: 上海电力学院

Inventor： 彭道刚 ,  彭盖伦 ,  王岚青 ,  姚洋洋 ,  黄孟俊 ,  晏小彬 ,  尹磊

IPC: G06K9/32 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种基于改进Faster-RCNN的电力设备外观缺陷检测方法，包括以下步骤：采集电力设备图像，建立电力设备外观图像库，包括训练集和测试集；构建改进Faster-RCNN模型，该模型中，利用特征融合技术将不同层卷积神经网络的特征图进行融合，且区域提取网络RPN基于改进锚框进行区域提取；使用训练集训练改进Faster-RCNN模型，在训练过程中增加一条训练支路；使用测试集测试改进Faster-RCNN模型的性能，然后将改进Faster-RCNN模型用于电力设备外观缺陷检测。与现有技术相比，本发明在在训练速度、检测准确率方面优于Faster-RCNN，具有一定的应用价值。