文献类型：期刊文章

作　　者：尚福瑞[1] 范云飞[2] 郝强[3] 甄志伟[4]

SHANG Furui;FAN Yunfei;HAO Qiang;ZHEN Zhiwei(Ministry of Construction of State Grid Qinghai Electric Power Company,Xining 810000,China;State Grid Construction Department Xining Power Supply Company,Xining 810000,China;State Grid Qinghai Electric Power Company Haidong Power Supply Company Construction Department,Haidong 810700,Qinghai China;Tianjin Bohai Xinneng Technology Co.,Ltd.,Tianjin 300392,China)

机构地区：[1]国网青海省电力公司建设部,青海西宁810000 [2]国网青海省电力公司西宁供电公司建设部,青海西宁810000 [3]国网青海省电力公司海东供电公司建设部,青海海东810700 [4]天津市渤海新能科技有限公司,天津300392

出　　处：《粘接》

基　　金：国网青海省电力公司科学技术项目(项目编号:52280020006D)。

年　　份：2023

卷　　号：50

期　　号：4

起止页码：182-186

语　　种：中文

收录情况：CAS、ZGKJHX、普通刊

摘　　要：为了改善输变电工程作业人工检测效率低、人员财产安全风险频发问题,提出了一种基于神经网络模型压缩目标检测技术,结合改进的卡兹曼滤波进行目标跟踪,实现无人机对输变电工程的智能监控。通过深度可分离卷积模型,降低参数数量、提高推理速度,引入注意力机制和剪枝算法,降低神经模型复杂度和非必要参数,减少信息处理数量。同时采用欧氏距离改进的卡尔曼滤波进行目标跟踪,提升目标跟踪的实时性和准确性。实验结果表明,提出的组合模型算法与传统算法对比,可以充分提取文本的高频特征信息,对于不同颗粒度的数据集的准确率提升8%,召回率降低4%,性能更优,具有一定的科研及应用价值。

关 键 词：输变电工程作业  智能监控 深度学习  模型压缩  剪枝算法 卡尔曼滤波

分 类 号：TP391.1] TM743[计算机类]