原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
输配电工程电工技术
三跨线路环境中基于深度习的汽车识别研究
裴勉，盛婕，王阳，徐超，诸卫涛，张嘉楠2
（1.国网浙江省电力有限公司德清县供电公司，浙江德清313200；2.三峡大学电气与新能源学院，湖北宜昌443000）
摘要：针对三跨线路导线弧垂过大以及下方车辆挂蹭造成断线甚至倒塔事故的问题，提出一种可见光图像目标识
别模型，以提高多变三跨线路环境条件下的复杂目标识别度，尤其提高可见光图像中的汽车识别速度和精度。所提算
法用于定位可见光图像中的汽车目标，还提出一种改进的组合损失函数来优化学习过程并提高准确性。研究对三跨线
路监测非常有益，可以在无人为干预下自动监测输电或配电线路附近汽车的准确运动。
关键词：三跨线路环境；深度学习；神经网络；图像融合
中图分类号：TP181D0I:10.19768/ki.dgjs.2025.05.024
ResearchonVehicleRecognitionBasedonDeepLearninginCross-lineEnvironments
PEIMian,SHENGJie,WANGYang,XUChao,ZHUWeitao,ZHANGJianan?
(1.StateGridZhejiangElectricPowerCo.,Ltd.DeqingCountyPowerSupplyCompany,Deqing313200,China;
2.ThreeGorgesUniversity,Yichang443000,China)
Abstract:Addressingtheissueofexcessivesaggingofconductorsincross-lineenvironmentsandthesubsequentaccidents
causedbyvehiclessnaggingandpotentiallyleadingtowirebreakageortowercollapse,thispaperproposesavisiblelight
imagetargetrecognitionmodeltoreducethecomplexityoftargetrecognitionundervariableconditionsincross-lineenvi-
ronments,particularlyimprovingthespeedandaccuracyofvehiclerecognitioninvisiblelightimages.Theproposedalgo-
rithmisasingle-stageobjectdetectorfeaturingafasttargetfeatureextractionmoduleandacascadedregressionmodule
forlocatingvehicletargetsinvisiblelightimages.Additionally,animprovedcompositelossfunctionisintroducedtoopti-
mizethelearningprocessandenhanceaccuracy.Thisresearchishighlybeneficialforcross-linemonitoringasitcanauto-
maticallyandaccuratelymonitorvehiclemovementsnearpowertransmissionordistributionlineswithouthumaninterven-
tion.
Keywords:cross-lineenvironments;deeplearning;neuralnetworks;imagefusion
0引言网络信息技术的迅
文档评论（0）