摘要：针对目前绝缘子缺陷检测算法检测精度与速度不平衡以及对小目标绝缘子缺陷检测效果不佳等问题,提出一种融合多尺度特征的轻量级YOLOv7绝缘子缺陷检测算法。以YOLOv7为基础框架,使用CA-GhostNet作为主干网络;将头部预测网络中的残差卷积替换为深度可分离卷积;在颈部网络设计Light-SPPCSPC特征提取模块;在特征金字塔部分将不同尺度的特征图融合。实验结果表明,所提算法实现了精度与速度的平衡,降低了绝缘子缺陷的漏检率。

摘要：针对绝缘子缺陷巡检过程中,传统算法因背景复杂难以同时兼顾检测精度与模型大小的问题,提出一种基于改进YOLOv5s的绝缘子缺陷检测模型。首先,采用Bottleneck CSP结构,引入轻量型空间与通道卷积注意力机制,强化绝缘子特征并抑制复杂背景特征;然后,提出一种改进的BiFPN结构,实现多尺度特征融合,提升小目标检测能力;最后,采用K-means++算法重新聚类先验框,并设计轻量型GhostC3和Ghost Conv模块,保证网络精度的同时减小模型大小。实验结果表明:改进算法在Insulator2022数据集上的mAP值达到92.3%,提升了3.6%,参数量减少了26.73%,浮点运算量减少了23.17%,漏检率降低了5.47%;在公开数据集上,缺陷绝缘子mAP值达到99.5%,各项评估指标值优于Faster-RCNN、SSD、YOLOv3和YOLOv3-tiny主流算法以及绝缘子检测相关算法。

摘要：为解决目前人工处理分析无人机巡检图像效率低、检测结果受人为因素影响较大的问题,提出了一种图像识别的绝缘子缺失识别方法。首先,对无人机拍摄的图像样本进行了处理,扩充样本集。其次,搭建了绝缘子的检测模型,完成各层网络结构的选择和设计,使用CNN算法实现对绝缘子缺失的检测。随后,构建了绝缘子检测网络,并对各层检测网络参数进行配置。选择实际拍摄的图像作为训练样本进行网络训练。检测结果证实几个指标均在0.95以上,说明算法可准确识别出绝缘子。最后,利用CNN算法对航拍绝缘子进行缺陷检测。绝缘片缺失缺陷的正确识别率为86%。算法可根据检测结果自动显示绝缘子有无缺失缺陷。