基于深度学习的输电线路绝缘子故障检测方法

发布时间：2025-03-18 23:38

　　 针对航拍巡检高压输电线路上绝缘子目标易受复杂背景和部分遮挡影响，造成传统算法难以准确检测的问题，建立了一种基于改进YOLOv5的输电线路绝缘子检测模型。首先，利用GA+K的检测框优化算法对选择的模型进行改进，来提高识别精度；然后，在YOLOv5算法框架中融合CBAM模块来提升图像中故障目标区域的显著度；其次，采用高斯函数改进YOLOv5中的非极大值抑制方法，提高对遮挡目标的识别准确率；最后利用辽宁某电网公司提供的无人机巡检图像制作数据集，并将所提算法与4种经典目标检测算法进行比较。试验结果表明，相比于4种对比算法，该算法能够在保证较高检测精度的同时具有较好的实时性，并且平均检测精度可以达到95.1%，每张图片的检测时间为0.04s，兼具目标检测的准确性和实时性。

【文章页数】：10 页

【文章目录】：
1引言
2 YOLOv5主体结构
3基于改进YOLOv5的输电线路故障检测方法
    3.1 GA+K先验框改进算法
    3.2融合CBAM的YOLOv5检测结构
        3.2.1卷积注意力机制模块
        3.2.2改进的卷积注意力机制模块
    3.3非极大值抑制的改进
4模型训练与结果分析
    4.1试验数据
    4.2试验条件
    4.3试验结果与分析
    4.4不同算法对比
5结论



本文编号：4036352