基于改进YOLOv4模型的无人机巡检图像杆塔缺陷检测方法研究

摘要：

针对现有输电线路无人机巡检图像缺陷检测方法存在的精度低、耗时长等问题,为了实现输电线路杆塔鸟巢的快速和准确识别,基于无人机巡检图像采集与处理系统,提出了一种改进的YOLO4模型用于输电线路杆塔图像的鸟巢检测.采用轻型MobileNetV2网络替换CSPDarkNet53网络,提高特征提取速度,在SPP模块中采用平均池化替换最大池化,提高算法对小目标的检测精度,引入注意力机制CBAM增强特征表达.通过试验验证了所提方法的可行性和优越性.结果表明,所提方法与常规检测方法相比,在输电线路杆塔图像缺陷检测中具有更优的检测精度和速度,检测精度达到94.40％,检测速度为60 FPS.所提研究为输电线杆塔缺陷检测方法的发展提供了一定的参考.

关键词：输电线路、杆塔鸟窝、无人机巡检、YOLOv4模型、注意力机制CBAM、MobileNetV2网络

所属期刊栏目：60

分类号：TM77(输配电工程、电力网及电力系统)

资助基金：国家电网有限公司总部科技项目SGTYHT/21-JS-225

在线出版日期：2023-10-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：155-160