基于改进YOLOv5算法的鸟巢检测方法

摘要：

深度学习技术的快速发展推动了电力智能安防的自动化进程.电力场景中用于高压电力塔和接触网搭建的复杂钢结构往往成为铁路沿线鸟类筑巢之所,给电力系统安全运行带来了隐患.因此,使用深度学习技术及时发现并清理鸟巢具有重要的实际意义.提出了一种基于改进 YOLOv5 的鸟巢检测方法,该方法在 YOLOv5 的基础上考虑了鸟巢本身所独有的黑色属性和错综复杂的纹理特性,采用注意力机制强化鸟巢检测过程中对上述特征的学习.同时,根据电力场景中采集的实际鸟巢数据对该方法开展的验证性实验取得了良好的检测效果,算法检测性能达到 88.6%,相比其他经典检测算法高 1.5%以上.

关键词：YOLOv5、鸟巢检测、电力智能安防、深度学习、目标检测

分类号：TM754(输配电工程、电力网及电力系统)

在线出版日期：2023-11-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：22-25