【摘 要】
：
电力设备锈迹目标的识别在电力安全方面具有极高的应用价值,但是锈迹具有大小、形状不规则等特点,利用传统的机器学习算法检测效率和准确率不高.针对这一问题,研究分析锈迹特
【机 构】
：
中国石油大学（华东）计算机与通信工程学院
【基金项目】
：
国家自然科学基金(61309024),山东省重点研发计划(2017GGX0140).
论文部分内容阅读
电力设备锈迹目标的识别在电力安全方面具有极高的应用价值,但是锈迹具有大小、形状不规则等特点,利用传统的机器学习算法检测效率和准确率不高.针对这一问题,研究分析锈迹特点,提出基于MaskR-CNN的电力设备锈迹检测识别方法.使用FasterR-CNN完成目标检测的功能,FCN精准的完成语义分割的功能,实现像素级别的分类识别,较好地解决了不规则锈迹的检测问题.实验结果表明,基于MaskR-CNN的电力设备锈迹检测结果准确率高.
其他文献
针对当前的一些具有置乱-扩散结构的图像加密算法中,存在加密程度低的问题,提出了一种新的图像加密算法.置乱阶段先利用格雷码变换进行全局的置乱,然后再根据混沌序列进行行列间置乱变换.扩散部分采用了正向和反向的异或操作.实验结果表明,该算法提高了密文的安全性和密钥的敏感性,增大了密钥空间的大小,同时能很好的抵抗统计分析、穷举攻击等.
由于气象测点个数有限、分布不均匀且与线路走廊不一致,无法为研究灾害引发的线路故障及其防御技术提供精确的输电线路气象环境数据模型.为此,本文分析了Kriging空间插值方法