基于深度学习的绝缘子缺失检测方法研究

摘要：

绝缘子缺陷严重影响输电线路安全,航拍图像绝缘子缺失的有效识别是无人机线路巡检.提出一种轻量级网络的绝缘子缺失检测模型,使用轻量级网络MobileNetV3替换YOLOv4模型的CSPDarknet53网络.以分割性能和计算速度为判据,综合分析比较了YOLOv4模型和使用轻量型网络对其主干网络替换后的模型在绝缘子缺失检测上的性能,实验结果表明:筛选的YOLOv4-MobileNetV3轻量级网络绝缘子缺失检测模型能够准确定位图像中单、多目标绝缘子;改进后YOLOv4-MobileNetV3检测模型比原模型的体积减少了78％,FPS提升了4.85 f/s,而mAP仅降低0.6％.提出的绝缘子缺失检测方法能够满足无人机电力线路巡检的需求.

关键词：绝缘子缺失检测、深度学习、轻量型网络、YOLOv4-MobileNetV3模型

所属期刊栏目：38

分类号：TM216;TP75;TP391.41(电工材料)

资助基金：国家自然科学基金61903264

在线出版日期：2022-11-14（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：44-50