文献类型：期刊文章

作　　者：肖粲俊[1] 潘睿志[2] 李超[2] 黄纪刚[3]

Xiao Canjun;Pan Ruizhi;Li Chao;Huang Jigang(Digital Twin Laboratory,Chengdu Technological University,Chengdu 610031,China;College of Mechanical and Electrical Engineering,Chengdu University of Technology,Chengdu 610059,China;School of Mechanical Engineering,Sichuan University,Chengdu 610065,China)

机构地区：[1]成都工业学院数字孪生实验室,成都610031 [2]成都理工大学机电工程学院,成都610059 [3]四川大学机械工程学院,成都610065

出　　处：《电子测量技术》

基　　金：四川省科技计划项目(2022YFG0326)资助

年　　份：2022

卷　　号：45

期　　号：24

起止页码：137-144

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：采用无人机对输电线路进行智能巡检作业已成为行业主流,绝缘子缺陷检测是智能巡检作业中的关键环节。针对复杂环境中绝缘子缺陷检测精度低的问题,本文提出一种基于改进YOLOv5s绝缘子缺陷检测算法。首先,对现有数据集利用随机矩形遮挡、水平翻转、随机像素置零、添加随机像素等操作进行数据增强,并利用K-means算法对数据集进行聚类分析,得到最佳锚框尺寸,有效提高模型的泛化能力和定位精度;其次,在YOLOv5s的主干网络的末端和最后3个不同规模的卷积网络后加入GAM注意力模块,使模型可以在更大的网络上进行注意,来解决无效特征对识别精度的影响;最后,在特征金字塔结构FPN的基础上,引入自适应特征融合ASFF模块,来增强网络的特征提取能力。实验结果表明,改进后YOLOv5s模型的精确率和mAP0.5相比于原YOLOv5s网络分别提高了2.4%和2.2%。

关 键 词：绝缘子 YOLOv5s  GAM 目标检测 ASFF  

分 类 号：TP391.41] TM75[计算机类]