基于背景数据增强和改进YOLOv4的断路器试验机器人接线定位方法

摘要：

为提高断路器试验机器人接线的准确性和可靠性,以双目视觉和深度学习目标检测技术为基础,提出一种基于背景数据增强和改进YOLOv4的断路器试验机器人接线定位方法.该方法利用本文提出的背景混合剪切的数据增强方法,解决因断路器训练图像背景特征不足而导致所训练的目标检测模型泛化能力和准确率低的问题,可以极大地提高不同试验场所(背景)和人员走动等背景扰动下机器人接线的准确性和可靠性;将标准YOLOv4的特征网络CSPDarknet-53替换为Mobiledets,可以优化目标检测模型的推理时间,提高机器人接线效率.仿真结果表明,本文方法的准确率为99.9％;实测结果表明,接线准确率为98.8％,全项目试验接线时间减少了57 s.通过对比分析,本文方法在接线准确率和时间上优于其他方法,可为断路器机器人试验平台的实用化提供技术支持.

关键词：断路器试验、机器人接线、视觉定位、背景数据增强、改进YOLOv4

所属期刊栏目：38

分类号：TM561.2(电器)

资助基金：广东电网有限责任公司科技项目GDKJXM20182372

在线出版日期：2023-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：196-204,239