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：YeXiang  SunJiaxing  GanYongye  RanQian  WuDa  LvZemin
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

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

文件大小:

5.27 MB

高速下载