基于改进YOLOv3的输电线路部件实时检测

摘要：

针对基于深度学习的目标检测技术应用于工业领域无法在移动端嵌入式设备上实现高效且准确的检测这一问题,提出一种基于YOLOv3改进的输电线路部件实时检测算法轻量级特征融合检测模型LFF-DM(Lightweight Feature Fusion Detection Model).一方面通过改进式的K-means算法得到聚类结果;另一方面结合深度可分离卷积和倒残差块设计出轻量化的网络结构.通过在自建的包含绝缘子、悬垂线夹、防震锤、鸟巢与导地线的专业巡检数据集上进行实验,结果表明在NVIDIA Jetson AGX Xavier设备上可以实现25 FPS的检测速度及90.48％mAP的检测精度,适用于输电线路移动端实时精确巡检.

关键词：深度学习、目标检测、输电线路、YOLOv3、轻量化、移动端

所属期刊栏目：60

分类号：TM93

资助基金：山西省重点研发计划项目;国网山西省电力公司科技项目;国网山西省电力公司科技项目

在线出版日期：2023-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：138-144