改进YOLOv4的绝缘子图像检测模型

摘要：

为了满足无人机巡检过程中实时检测的需求,提出一种改进YOLOv4的绝缘子缺陷检测方法,在保证绝缘子检测精度的前提下,减小模型参数量,提升检测速度.该方法使用CSPDarknet53和MobileNetV1提取绝缘子的特征信息,对输出特征层进行堆叠处理,缩减通道数,减少模型计算量;精简路径聚合网络(path aggregation network,PANet)结构,将其中的标准卷积替换为深度可分离卷积;使用Decoupled Head替换原有预测网络;在训练过程中加入迁移学习策略和数据增强方法提高训练精度,使用绝缘子图像和视频测试网络训练效果.实验结果表明,改进后模型的绝缘子检测精度达到98.17％,同时对于单张绝缘子图像的识别速度提升5 ms.

关键词：深度学习、YOLOv4、MobileNetV1、绝缘子、图像识别

所属期刊栏目：36

分类号：TM216;TP391.41(电工材料)

在线出版日期：2023-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：94-101