Foreign Objects Identification of Transmission Line Based on Improved YOLOv7

超参数 超参数优化 计算机科学 人工智能 遗传算法 网格 趋同(经济学) 目标检测 计算机视觉 传输(电信) 直线(几何图形) 鉴定(生物学) 卷积神经网络 卷积(计算机科学) 模式识别(心理学) 算法 机器学习 人工神经网络 数学 电信 植物 几何学 生物 支持向量机 经济 经济增长
作者
Chenhui Yu,Yakui Liu,Wanru Zhang,Zhang Xue,Yuhan Zhang,Xing Jiang
出处
期刊:IEEE Access [Institute of Electrical and Electronics Engineers]
卷期号:11: 51997-52008 被引量:17
标识
DOI:10.1109/access.2023.3277954
摘要

As the grid coverage rises, foreign objects invade more and more frequently, causing grid failures to rise every year.To address this issue, this paper proposes a deep learning-based transmission line unmanned inspection of foreign objects recognition algorithm.The algorithm is based on YOLOv7 (You Only Look Once) algorithm, combining with hyperparameter optimization based on genetic algorithm (GA) and space-to-depth (SPD) convolution to complete the foreign object recognition of transmission line Unmanned Aerial Vehicle (UAV) images.The proposed method can promptly determine and locate these targets' presence in aerial images.Finally, this paper compares the improved YOLOv7 algorithm with other YOLO series algorithms (Faster-rcnn, Centernet, and other target detection models).The comparison results show that the method has the highest Mean Average Precision (mAP) of 92.2% and the Frames Per Second (FPS) of 19 is second only to Centernet.Compared with the unimproved YOLOv7, the average accuracy in the recognition of tower cranes has increased by 11.9%, which is the most obvious improvement in accuracy compared with other detection targets.Meanwhile, the hyperparameter optimization based on genetic algorithm speeds up the convergence of the model.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
小埋发布了新的文献求助10
1秒前
亿元完成签到,获得积分10
1秒前
无情的mm完成签到 ,获得积分10
1秒前
真实的麦片应助abc采纳,获得20
1秒前
2秒前
2秒前
小姚发布了新的文献求助10
3秒前
希望天下0贩的0应助yxy采纳,获得10
3秒前
13223456完成签到,获得积分10
4秒前
4秒前
4秒前
Hello应助不皮不敢怂采纳,获得10
5秒前
小董哥完成签到,获得积分10
5秒前
5秒前
天玄一刀完成签到,获得积分10
6秒前
8秒前
wuyisha发布了新的文献求助10
8秒前
pzy完成签到,获得积分10
8秒前
13223456发布了新的文献求助10
9秒前
红柚完成签到,获得积分10
10秒前
秋傲儿完成签到,获得积分10
11秒前
mimi发布了新的文献求助10
11秒前
Ramer556完成签到,获得积分10
12秒前
Daisy完成签到 ,获得积分10
13秒前
完美世界应助xzl采纳,获得10
14秒前
tt完成签到 ,获得积分10
15秒前
16秒前
16秒前
冷酷的听兰完成签到,获得积分10
16秒前
Panini完成签到 ,获得积分10
17秒前
17秒前
甄高丽完成签到,获得积分10
19秒前
积极问晴发布了新的文献求助10
19秒前
QYW发布了新的文献求助10
20秒前
领导范儿应助科研通管家采纳,获得30
21秒前
Orange应助科研通管家采纳,获得10
21秒前
科研通AI2S应助科研通管家采纳,获得10
21秒前
英俊的铭应助科研通管家采纳,获得10
21秒前
桐桐应助科研通管家采纳,获得10
21秒前
温柔惜筠应助科研通管家采纳,获得10
21秒前
高分求助中
Sustainability in Tides Chemistry 2800
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Handbook of Qualitative Cross-Cultural Research Methods 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3137412
求助须知:如何正确求助?哪些是违规求助? 2788462
关于积分的说明 7786566
捐赠科研通 2444645
什么是DOI,文献DOI怎么找? 1300002
科研通“疑难数据库(出版商)”最低求助积分说明 625712
版权声明 601023