一种轻量化的高压线异物检测算法研究
针对基于卷积神经网络的高压线异物检测算法模型过大和对硬件设备算力要求较高,使其在资源受限的嵌入式设备中部署难的问题,提出了一种轻量化的高压线异物检测算法.使用轻量化的MobileNetv1作为检测模型特征提取的主干网络,采用结构性剪枝和int8量化技术对YOLOv3模型进行压缩.实验结果表明,与原模型相比,模型大小压缩了79.661%,检测速度提高了1.6倍,同时模型的平均精度由0.845 9提升到了0.889 1.在保证了模型精度的同时,模型变得轻量化,消耗更少硬件存储和算力资源,使其能更好部署在异物巡检设备中进行实时检测.
高压线、异物检测、嵌入式设备、轻量化网络、模型剪枝、模型量化
43
TM755(输配电工程、电力网及电力系统)
湖北省高等学校优秀中青年科技创新团队计划项目T201805
2021-05-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
97-103