1、“.....基于无人机图像识别技术的输电线路缺陷检测论文原稿。无人机立体智能巡检运用平台无人机立体智能巡检应用平台包括无人机巡视子系统，无线通信链路和缺陷图像智能识别基于无人机图像识别技术的输电线路缺陷检测论文原稿讯装置，实现了基于无线专网的输电线路巡检数据自动化采集技术。关键词无人机输电线路深度卷积神经网络算法缺陷图像识别针对无人机巡检输电线路过程中，存在人工识别缺陷图像工作量大效率低的问题......”。

2、“.....基于无人机图像识别技术的输电线路缺陷检测论文原稿。数据管理是指无人机飞行至巡检目标时采集数据的阶段，其中包括数据采集数据传输数据储存与数据清除个部分用集成界面集成数据集成，以满足基于无人机的输电线路巡检业务应用需求。关键词无人机输电线路深度卷积神经网络算法缺陷图像识别针对无人机巡检输电线路过程中，存在人工识别缺陷图像工作量大效率低的问题，利用深度卷。典型缺陷图像智能解译体系具有自学习能力......”。

3、“.....最终达到项目目标要求。典型缺陷图像智能解译体系流程图，如图所示。无人机立体智能巡检运用平台无人机立体智能巡检模型等。利用深度卷积神经网络算法对电力设备巡检产生的海量图像或视频数据进行预处理，优化分析与分类识别。并对图像有缺陷的位置进行标注，最终将识别结果反馈，指导检修消缺决策。此外，还可结合专家反馈对识别模型特征图即为，输入图像和卷积核运算加上个偏置后再通过激活函数所得的结果。总之......”。

4、“.....基于深度卷积神经网络算法的巡检图像输电设备缺陷识别技术研究。该技术针对输电杆塔片的卷积特征图中提取特征向量，将每个候选区域的特征向量送入分类器进行分类，判断其所属的设备种类。同时，精确回归出包含输电设备的矩形区域的坐标。卷积神经网络模型属于多层的神经网络，每层的神经网络由多个维平算法的多目标物体识别方法。多目标物体识别方法，采用算法，可以同时从张无人机巡检图片中识别出所有需要进行缺陷识别的设备，且精确找出目标在图片中的位置......”。

5、“.....逐步提升缺陷查找效率及准确率。通过建立深度学习监督训练，鸟巢绝缘子自爆销钉脱落螺栓松动均压环倾斜塔材缺失异物导地线损伤的智能识别。基于无人机图像识别技术的输电线路缺陷检测论文原稿。计与实现韩小方基于无人机图像识别技术的输电线路缺陷检测的分析。输电线路缺陷图像检测深度学习模型采用层次化特征的表达方式对图像进行描述......”。

6、“.....然后，依据种类将其送入该种设备的缺陷分类器，判断是否具有缺陷及缺陷类型。若有缺陷，则将缺陷设备所在位置以及缺陷类型，在输电线路设备照片中标注的高清图像，利用算法完成对输电设备缺陷的自动识别，并进行缺陷种类的分类。从而能够极大程度上缩小人工识别缺陷图像的工作量，且提高了巡视效率和质量。参考文献张萍输电线路缺陷在线监控系统设面构成，每个平面又包含多个神经元。般，包含卷积操作和池化操作。卷积神经网络的输入是数字图像......”。

7、“.....卷积神经网络能通过两种方式降低参数的数目，分别是局部视野感知与参数共享。卷积层得到分为个步骤使用卷积神经网络从原始图片中提取图片的卷积特征。使用提取可能存在目标设备的候选区域。针对步骤中提取的候选区域，使用从原始来。模型参数更新。在已有的机器识别结果中抽取部分典型的图片，重新制作新的训练样本。在原有模型的基础上不断更新以及缺陷分类器的模型参数，使得模型不断优化，准确率不断提高......”。

8、“.....模型使用。将步骤训练好的模型以及针对每种输电设备的缺陷分类器组合使用。将每次无人机巡检得到的输电线路设备照片首先送入提取出化特征的表达方式对图像进行描述，主要包括受限玻尔滋蔓机制深度信念网络自动编译器卷积神经网络和生物启发式模型等。利用深度卷积神经网络算法对电力设备巡检产生的海量图像或视频数据进行预处理，优化分析与分类识别子系统个部分，如图所示......”。

9、“.....以满足基于无人机的输电线路巡检业务应用网络算法开发无人机巡检数据智能管理平台，满足无人机飞行作业管理应用的需要。利用无人机巡视输电线的便利性，探究了基于无人机图像识别的无人机立体智能巡检应用平台的系统结构，采用深度卷积神经网络算法对无人机日无线通信联路负责传输无人机飞行控制信号无人机高清相机控制信号和高清数据的回传控制信号等......”。