《表4 不同防鸟刺故障检测方法对比结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度卷积神经网络的输电线路防鸟刺部件识别与故障检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为验证本文提出方法的有效性，设计4组不同的防鸟刺故障检测实验进行对比分析。验证数据集未锐化处理前，设计2组实验，第1组实验将正常防鸟刺与故障防鸟刺当成2种不同类别的目标检测任务来处理，直接使用YOLOv3算法进行防鸟刺故障检测；第2组实验将正常防鸟刺与故障防鸟刺归为一类检测，使用YOLOv3算法检测出防鸟刺，最后运用防鸟刺故障检测器对框选出来的防鸟刺进行故障检测。对验证数据集锐化处理后，重复以上2组实验。4组防鸟刺故障检测方法结果对比如表4所示。可见，无人机电力巡检图像经过锐化处理后，防鸟刺故障检测的F值均高于未经过锐化处理的故障检测结果；实验中发现YOLOv3单类检测和多类检测模型在分别选取最优权重的情况下，使用YOLOv3算法对防鸟刺进行单类检测比多类检测的平均准确率高。由表4可知，利用本文提出的方法实现故障防鸟刺检测准确率为92.3%，F值为92.9%，均高于其他3种对比方法，能够有效实现防鸟刺故障的检测。