基于无监督语义分割的架空线路缺陷识别
计算机视觉与模式识别
2023-12-08 v2
摘要
利用可见光影像进行缺陷识别极大惠及架空线路巡检。针对现有特征提取技术的局限与深度学习方法繁重的数据依赖，本文引入一种新颖的缺陷识别框架。其构建于 Faster RCNN 网络之上，并以无监督语义分割作为补充。该方法先识别目标设备的类型与位置，利用语义分割区分设备与背景，最后借助相似度度量与逻辑规则对缺陷类型分类。实验结果表明，该方法在识别架空线路问题时更关注设备而非缺陷本身。这带来了准确率的显著提升并展现出优异的适应性，从而为配电网络设备的自动化巡检提供了新视角。
引用
@article{arxiv.2311.00979,
title = {Overhead Line Defect Recognition Based on Unsupervised Semantic Segmentation},
author = {Weixi Wang and Xichen Zhong and Xin Li and Sizhe Li and Xun Ma},
journal= {arXiv preprint arXiv:2311.00979},
year = {2023}
}