基于超分辨率重建与多尺度特征融合的输电线路缺陷检测方法
针对输电线路巡检中可能存在拍摄图像质量不高的问题,以及线路缺陷目标小而分布密集而导致传统方法检测精度不高的问题,提出一种基于超分辨率重建与多尺度特征融合的输电线路缺陷检测方法.首先,使用超分辨率网络对巡检图像进行重建,提升清晰度,丰富图像中包含的特征信息;然后使用改进的YOLOX网络检测巡检图像中的缺陷,在主干网络中嵌入卷积块注意力机制,强化模型对重叠小目标的定位能力;为进一步提升小目标的检测能力,在YOLOX的特征融合网络中新增浅层检测尺度进行特征融合;最后,通过使用CIOU优化边界框损失函数提升模型收敛能力,降低缺陷目标的漏检率.实验结果表明,所提方法能在提升巡检图像质量的基础上对输电线路缺陷准确地检测,精度达到93.27%,相比SSD等经典模型,对小而密集的缺陷目标有着更强的提取能力和鲁棒性.
输电线路缺陷检测、超分辨率、卷积块注意力、多尺度特征融合
37
TP391(计算技术、计算机技术)
智能带电作业技术及装备机器人湖南省重点实验室开放基金;湖北省输电线路工程技术研究中心开放课题项目
2023-07-12(万方平台首次上网日期,不代表论文的发表时间)
共10页
130-139