[发明专利]一种基于改进Faster-RCNN的电力设备外观缺陷检测方法有效
| 申请号： | 201910334105.3 | 申请日： | 2019-04-24 |
| 公开（公告）号： | CN110097053B | 公开（公告）日： | 2021-05-04 |
| 发明（设计）人： | 彭道刚;彭盖伦;王岚青;姚洋洋;黄孟俊;晏小彬;尹磊 | 申请（专利权）人： | 上海电力学院 |
| 主分类号： | G06K9/32 | 分类号： | G06K9/32;G06K9/62;G06N3/04 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 陈源源 |
| 地址： | 200090 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 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。 | ||
| 搜索关键词： | 一种 基于 改进 faster rcnn 电力设备 外观 缺陷 检测 方法 | ||
【主权项】：
1.一种基于改进Faster‑RCNN的电力设备外观缺陷检测方法，其特征在于，包括以下步骤：S1.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；S2.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；S3.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；S4.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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海电力学院，未经上海电力学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910334105.3/，转载请声明来源钻瓜专利网。
