改进YOLOv3模型在无人机巡检输电线路部件缺陷检测中的应用研究
文档名：改进YOLOv3模型在无人机巡检输电线路部件缺陷检测中的应用研究
摘要：针对传统输电线路无人机巡检图像检测方法存在的精度低、计算时间长和训练样本少等问题,提出了一种用于输电线路部件绝缘子缺陷识别的改进YOLOv3模型.引入K-means++算法解决小目标不敏感问题,引入Focal-loss函数解决样本不均衡问题,引入Mish激活函数提高模型精度,引入注意力机制Senet提高特征提取性能.通过对改进前后模型性能的比较分析,验证了该方法的优越性.结果表明,与传统的检测方法相比,所提方法在检测速度上能够满足实时检测的需要,且检测精度最优,检测时间为0.079s,检测平均准确度均值为94.40％.该研究能够满足输电线路无人机巡检图像缺陷自动检测的需要.
作者：叶翔孙嘉兴甘永叶冉倩吴达吕泽敏Author：YeXiangSunJiaxingGanYongyeRanQianWuDaLvZemin
作者单位：广东电网有限责任公司广州供电局,广州510080
刊名：电测与仪表 ISTICPKU
Journal：ElectricalMeasurement&Instrumentation
年，卷(期)：2023, 60(5)
分类号：TM755
关键词：输电线路无人机巡检图像绝缘子缺陷YOLOv3模型注意力机制
机标分类号：TP391TP274TG115.28
在线出版日期：2023年7月4日
基金项目：中国南方电网有限责任公司科技项目改进YOLOv3模型在无人机巡检输电线路部件缺陷检测中的应用研究[
期刊论文]电测与仪表--2023, 60(5)叶翔孙嘉兴甘永叶冉倩吴达吕泽敏针对传统输电线路无人机巡检图像检测方法存在的精度低、计算时间长和训练样本少等问题,提出了一种用于输电线路部件绝缘子缺陷识别的改进YOLOv3模型.引入K-means++算法解决小目标不敏感问题,引入Focal-loss函数解决样本...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
改进YOLOv3模型在无人机巡检输电线路部件缺陷检测中的应用研究Application of improved YOLOv3 model in defect detection of transmission line components in UAV patrol inspection
改进YOLOv3模型在无人机巡检输电线路部件缺陷检测中的应用研究.pdf
页:
[1]