基于模型压缩的ED-YOLO电力巡检无人机避障目标检测算法
针对现有卷积神经网络模型体积大、运算量高,导致电力巡检无人机检测速率与精度无法兼顾的问题,提出一种基于模型压缩的ED-YOLO网络实现无人机避障的目标检测算法.该目标检测算法以YOLOv4为基础,首先在主干网络中加入通道注意力机制,在不增加计算量前提下提高检测精度;其次在特征金字塔部分运用深度可分离卷积替换传统卷积,减少卷积计算量;最后利用模型压缩策略裁剪网络中冗余通道,减小模型体积并提高模型检测速度.在自主构建的9600张电力巡检无人机飞行障碍的数据集进行测试,ED-YOLO与YOLOv4相比,其障碍物目标检测的平均精度均值只降低了1.4％,而模型体积减少了94.9％,浮点运算量减少了82.1％,预测速度提升了2.3倍.实验结果表明,对比多种其他现存方法,本文提出的基于模型压缩的ED-YOLO目标检测算法有着精度高、体积小和检测速度快的优势,满足电力巡检无机避障检测要求.
电力巡检无人机;目标检测;注意力机制;深度可分离卷积;模型压缩
42
TM755;TH39(输配电工程、电力网及电力系统)
辽宁省教育厅科学技术研究创新团队项目;辽宁省重点研发计划指导计划项目;辽宁省高等学校国境外培养项目;辽宁省教育厅科学技术研究服务地方项目
2022-03-01（万方平台首次上网日期，不代表论文的发表时间）
共10页
161-170
