基于改进的U-Net和YOLOv5的绝缘子掩模获取与缺陷检测

作     者：唐小煜 熊浩良 黄锐珊 林威霖 TANG Xiaoyu;XIONG Haoliang;HUANG Ruishan;LIN Weilin

作者机构：华南师范大学物理与电信工程学院广州510006 广东省量子调控工程与材料重点实验室广州510006 广东省光电检测仪器工程技术研究中心广州510006 华南师范大学物理国家级实验教学示范中心广州510006 

基　　金：国家自然科学基金(61371176)资助项目 

出 版 物：《数据采集与处理》 (Journal of Data Acquisition and Processing)

年 卷 期：2021年第36卷第5期

页      码：1041-1049页

摘      要：输电线路的绝缘子定期巡检是必不可少的一项任务,而传统的人工巡检存在着效率低、工作强度大等问题。因此,本文设计了一种改进的U-Net模型实现对绝缘子的分割,并使用改进的YOLOv5实现在复杂背景下对爆破绝缘子的定位。本文基于U-Net图像语义分割模型,提出一种改进的网络结构SERes-Unet。模型引入残差结构减少卷积过程中存在的梯度消失、结构信息损耗的影响,引入注意力机制对特征权重进行校正,从而提升网络性能。为实现对高分辨率图像的爆破绝缘子检测,提出将图片进行切割再进行检测,再通过非极大值抑制(Non-maximum suppression,NMS)进行筛选,获取图像全部爆破绝缘子的位置。本文设计的多组实验验证了模型的有效性和高效性。本文方法绝缘子分割精度达到0.96,爆破绝缘子检测精确率达到0.97,召回率达到0.99。

主 题 词：爆破绝缘子 图像语义分割 目标检测 U-Net模型 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16337/j.1004-9037.2021.05.019

馆 藏 号：203105228...