基于改进YOLOv4的变电站缺陷检测

摘要：

为提高变电站设备缺陷的检测精度,保障变电站运行安全,提出一种基于改进YOLOv4的缺陷检测算法.不同于原始YOLOv4,该算法使用一维卷积替代全连接来优化CBAM卷积注意力模块,然后将其嵌入主干网络中以增强特征提取能力;同时,在特征融合中应用空洞卷积扩大感受野,聚合更广的语义信息.该算法在现场拍摄的样本集上进行测试,mAP可达到86.97％,相比原始YOLOv4提高了2.78％.实验结果表明,本文提出的YOLOv4改进算法能够提升网络性能,更好地应用于变电站设备缺陷检测任务.

关键词：YOLOv4、缺陷检测、CBAM注意力、空洞卷积、特征融合、卷积神经网络

所属期刊栏目：31

分类号：TP391.41;TM766;TM63

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：245-251