摘要
本发明涉及目标检测技术领域,具体涉及一种高空电力作业违章识别方法,该方法公开了通过无人机采集电力作业现场的高清图像和低质量图像,并制作电力现场高清数据集;构建基于局部信息增强模块和全局信息增强模块的图像增强网络;搭建基于改进YOLOv8的违章识别模型;选取合适的优化器和损失函数;构建的模型进行训练及优化。将训练优化完成的最优模型转换为前端的RKNN模型,并部署至无人机前端。依靠前端的相机实现实时检测,将检测结果交由研判单元研判作业人员是否违章。本发明提供一种高空电力作业违章识别方法,该方法考虑了作业数据集的构建,低质量图像的增强,同时提出了基于改进YOLOv8的违章识别网络模型,来最大限度地提升了检测的准确率。
技术关键词
高空电力作业
违章识别方法
注意力
归一化模块
网络结构
无人机
标签文件
高清
卷积模块
神经网络处理单元
通道
后台系统
电力作业现场
图像增强网络
图像增强模型
识别模型训练
杆塔
数据
系统为您推荐了相关专利信息
语音识别系统
方言语音识别方法
轨迹
记忆
网络模块
电压稳定性评估
节点
同步发电机
仿真模型
输配电
混凝土桥梁
剩余寿命预测方法
语义标签
钢筋锈蚀速率
坐标
生成人脸图像
生成器网络
局部特征提取
卷积模块
注意力