針對(duì)航拍巡檢高壓輸電線路上絕緣子目標(biāo)易受復(fù)雜背景和部分遮擋影響，造成傳統(tǒng)算法難以準(zhǔn)確檢測(cè)的問(wèn)題，建立了一種基于改進(jìn)YOLOv5的輸電線路絕緣子檢測(cè)模型。首先，利用GA+K的檢測(cè)框優(yōu)化算法對(duì)選擇的模型進(jìn)行改進(jìn)，來(lái)提高識(shí)別精度；然后，在YOLOv5算法框架中融合CBAM模塊來(lái)提升圖像中故障目標(biāo)區(qū)域的顯著度；其次，采用高斯函數(shù)改進(jìn)YOLOv5中的非極大值抑制方法，提高對(duì)遮擋目標(biāo)的識(shí)別準(zhǔn)確率；最后利用遼寧某電網(wǎng)公司提供的無(wú)人機(jī)巡檢圖像制作數(shù)據(jù)集，并將所提算法與4種經(jīng)典目標(biāo)檢測(cè)算法進(jìn)行比較。試驗(yàn)結(jié)果表明，相比于4種對(duì)比算法，該算法能夠在保證較高檢測(cè)精度的同時(shí)具有較好的實(shí)時(shí)性，并且平均檢測(cè)精度可以達(dá)到95.1%，每張圖片的檢測(cè)時(shí)間為0.04s，兼具目標(biāo)檢測(cè)的準(zhǔn)確性和實(shí)時(shí)性。

【文章頁(yè)數(shù)】：10 頁(yè)

【文章目錄】：
1引言
2 YOLOv5主體結(jié)構(gòu)
3基于改進(jìn)YOLOv5的輸電線路故障檢測(cè)方法
    3.1 GA+K先驗(yàn)框改進(jìn)算法
    3.2融合CBAM的YOLOv5檢測(cè)結(jié)構(gòu)
        3.2.1卷積注意力機(jī)制模塊
        3.2.2改進(jìn)的卷積注意力機(jī)制模塊
    3.3非極大值抑制的改進(jìn)
4模型訓(xùn)練與結(jié)果分析
    4.1試驗(yàn)數(shù)據(jù)
    4.2試驗(yàn)條件
    4.3試驗(yàn)結(jié)果與分析
    4.4不同算法對(duì)比
5結(jié)論



本文編號(hào)：4036352