基于TR-YOLOv5的输电线路多类缺陷目标检测方法

摘要：

针对复杂环境中输电线路多类缺陷目标的多尺度检测问题,提出一种基于 Transformer 和感受野模块的YOLOv5输电线路多类缺陷目标检测算法,简记为TR-YOLOv5.首先,搭建了YOLOv5网络,针对复杂背景造成缺陷目标的显著性低,进而影响检测精度的问题,在Backbone部分引入Transformer模块,通过利用多头注意力结构获取特征图像素点间的相关性和全局信息,增强缺陷目标的特征表达能力,从而提升模型检测精度;其次,由于待检测目标受多尺度影响,在Neck部分引入感受野模块提取目标不同尺度的特征,利用空洞卷积增大感受野,为后续PANet结构保留更细致的特征,增强Neck特征融合能力,提高模型对多尺度缺陷目标的检测精度;然后,为了提升预测边框回归精度,引入CIOU函数,进一步提高算法检测精度;最后,利用某电力巡检部门近 3 年的数据对该算法进行验证.实验结果表明,相比于 7 种对比算法,本文算法具有较高检测精度的同时具有较好的实时性,其平均检测精度可达 95.6%,1280×720 分辨率的巡检图像检测速度为 125 帧/秒.

关键词：YOLOv5、输电线路缺陷检测、空洞卷积、Transformer、感受野模块、损失函数

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：667-676