| 架空电力线路螺栓缺陷检测意义重大,其首要任务为准确分类螺栓各种状态.而螺栓不同状态缺陷之间相似度较高,加之无人机飞行姿态灵活、拍照角度多样又造成螺栓在不同视角下视觉差异较大,出现了细粒度分类的难题.针对上述问题,提出一种基于DenseNet网络的迁移学习方法,对架空电力线路螺栓进行细粒度状态分类.首先自制三类别螺栓数据集并进行数据增强,然后对在ImageNet数据集上进行预训练的 DenseNet网络进行微调,迁移至螺栓状态分类的任务中学习,得出分类结果.实验表明该模型在螺栓状态分类中准确率达到98.9％,比传统方法和不使用迁移学习的模型效果更好. |
