فهرست نشریات علمی دسترسی آزاد ایران

در سال­های اخیر تشخیص اشیاء کوچک با استفاده از تکنیک­های یادگیری عمیق در بسیاری از کاربردهای عملی مورد توجه خاص قرار گرفته است و امری چالش برانگیز می­باشد، زیرا اشیاء کوچک در تصاویر وضوح کمی دارند و حاوی اطلاعات دقیق نیستند. در این مقاله یک آشکارساز دومرحله ­ای جدید مبتنی بر تشخیص اشیاء با هرم ویژگی بازگشتی و نرخ  Atrousبا استفاده از آشکارساز (DetectoRS) جهت تشخیص هوشمند عیوب کوچک و مهم خطوط انتقال برق معرفی شده و معماری DetectoRS در این راستا به طور کامل اصلاح شده است. در روش پیشنهادی DRSPTL از Cascade R-CNN  با  ResNext-101جهت افزایش دقت در تشخیص عیوب کوچک استفاده شده است. در این مقاله تصاویر RGB با وضوح بالا توسط پهپاد از خطوط انتقال شرکت­های برق منطقه­ای تهران، کرمان، شیراز، اصفهان و اهواز تهیه شده، و مجموعه داده­های آموزش و تست مربوط به عیوب توسط گروهی از متخصصین آماده شده است. برای ساخت داده­های آموزش، تقریباً 80% از کل مجموعه تصاویر حاوی عیوب کوچک، انتخاب و برچسب­ گذاری شدند. DRSPTL بالاترین دقت را در مقایسه با دو روش معتبر در زمینه تشخیص اشیاء RetinaNet و RepPoints دارا می­باشد. قابل ذکر است که با توجه به نتایج بدست آمده می­ توان با شناسایی اتوماتیک عیوب و جلوگیری از وقوع بسیاری از قطعی­های برق، باعث کاهش چشمگیر زمان و هزینه شرکت­های برق منطقه­ ای شد.