基于先进 YOLO 的实时电力线检测用于植被管理
计算机视觉与模式识别
2025-03-04 v1 图像与视频处理
摘要
电力线基础设施是电力系统的关键组成部分，并且正在迅速扩张以满足日益增长的能源需求。植被侵入是对电力线安全运行的一个重大威胁，需要可靠且及时的管理来增强电力网络的韧性和可靠性。整合智能电网技术，特别是无人机（UAVs），为利用先进的成像技术革新广袤电力线网络的管理提供了巨大潜力。然而，处理无人机巡检捕获的海量图像仍然是一个重大挑战。本文介绍了一个用于检测电力线及邻近植被的智能实时监测框架。该框架基于深度学习卷积神经网络（CNN）——You Only Look Once（YOLO），以其高速目标检测能力而闻名。与现有的基于深度学习的方法不同，该框架通过将 YOLOv8 与方向滤波器相结合来提高准确性。这些滤波器可以提取电力线及其周围环境的方向特征和纹理，生成定向边界框（OBB）以实现更精确的定位。此外，还开发了一种后处理算法来创建电力线的植被侵入度量，从而能够对周围植被分布进行定量评估。该框架的有效性在一个广泛使用的电力线数据集上得到了验证。
引用
@article{arxiv.2503.00044,
title = {Advanced YOLO-based Real-time Power Line Detection for Vegetation Management},
author = {Shuaiang Rong and Lina He and Salih Furkan Atici and Ahmet Enis Cetin},
journal= {arXiv preprint arXiv:2503.00044},
year = {2025}
}
备注
13 pages. Revised version submitted to IEEE Transaction on Power Delivery