Tld-yolo: an enhanced YOLO framework for accurate and real-time UAV inspection of transmission line defects
0Citations signalées, ce qui n’est pas une note de qualité
4Institutions déclarées
2Pays d’affiliation déclarés
Rattachement africain : cn, us. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Tld-yolo: an enhanced YOLO framework for accurate and real-time UAV inspection of transmission line defects
- Date Crossref
- 01/09/2026
- Éditeur
- Springer Science and Business Media LLC
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Beijing University of Technology pays non établi dans la noticeUniversité ou école supérieure
-
Beijing Information Science & Technology University pays non établi dans la noticeUniversité ou école supérieure
-
University of Science and Technology Beijing pays non établi dans la noticeUniversité ou école supérieure
-
Electric Power Research Institute pays non établi dans la noticeOrganisation à but non lucratif
-
School of Information Science and Technology pays non établi dans la noticeUniversité ou école supérieure
Beijing University of Technology, Beijing Information Science & Technology University et University of Science and Technology Beijing, avec 2 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Power Line Inspection RobotsAdvanced Neural Network ApplicationsRobotics and Sensor-Based Localization