融合SE模块和改进CNN的输电线路施工危险自动检测系统研究

摘要

传统输电线路施工危险检测系统受到噪声影响，导致施工危险检测准确性下降，为此，研究一种融合压缩和激励网络（squeeze-and-excitation,SE）模块和改进卷积神经网络（convolutional neural network,CNN）的输电线路施工危险自动检测系统。将系统框架分为数据采集层、数据处理与分析层以及预警与响应层。通过在施工现场无人机搭载摄像头采集现场图像，利用通用分组无线业务（general packet radio service,GPRS）无线传输设备将采集到的图像传输到远程监控中心，远程监控中心接收图像并实施预处理，通过融合SE模块和改进CNN的检测模块识别施工危险源并以此实现危险预警。结果表明，所设计系统的杰卡德系数值为0.927，检测结果更靠近实际结果，在检测准确性方面表现较好。

关键词

SE模块 / 改进CNN / 输电线路 / 施工危险 / 自动检测系统

基金资助

江西省教育厅科学技术研究项目（GJJ212819）