关键词：输电线路;;工程机械;;目标检测;;聚类分析;;池化单元
摘 要：为解决输电线路三跨点下由于工程机械入侵导致的跳闸问题,提出一种基于改进Faster-RCNN的大型机具检测算法。该方法以深度学习目标检测算法中的Faster R-CNN作为基本模型,首先研究了不同特征提取网络对模型检测准确度的影响,然后考虑到检测目标与模型的适配问题,使用k-means++算法对输电线路监控数据集中入侵机具标注框进行聚类分析,采用CH指标比较,得到与检测对象匹配的锚框尺寸,同时引入Ro I Align单元降低候选框回归的精度误差。实验表明,改进后的Faster R-CNN算法检测大型工程车辆的平均精度均值从56.39%提高到72.58%,提高了16.19个百分点,能够满足输电线路三跨点工程机械的检测需求,有效改善了漏检和误检问题。
内 容：原文可通过湖北省科技信息共享服务平台（http://hbstl.hbstd.gov.cn/webs/homepage.jsp)获取