深度学习在军用光缆线路无人机巡检中的应用

Abstract

军用光缆网是重要的国防基础通信设施,传统的人工徒步巡检是查找光缆线路隐患的主要措施,但其耗时长,人力物力消耗大,易受敷设方式和地形环境变化影响。而采用无人机进行光缆线路巡检,时效性强,安全性高且经济性好,是未来的重点发展方向。由于工程车辆施工挖掘是造成光缆线路障碍的最主要原因,为此,文章提出将深度学习更快的基于区域的卷积神经网络（Faster R-CNN）目标检测方法应用到无人机航拍巡检图像的工程车辆检测中。基于航空影像中的车辆检测（VEDAI）公共数据集制作了工程车辆数据集,通过仿真训练和测试,实现了航拍图像中挖掘机和推土机等工程车辆的Faster RCNN目标检测,检测平均精度（AP）值达0.659,优于传统的可变形组建模型（DPM）和方向梯度直方图+局部二值模式+支持向量机（HOG+LBP+SVM）等机器学习检测算法,研究结果可为军用光缆线路的无人机巡检应用研究提供一定的参考。

Keywords

• 无人机光缆线路巡检;深度学习;更快的基于区域的卷积神经网络;工程车辆检测