典型文献
改进YOLOv3的绝缘子自爆缺陷检测方法
文献摘要：
绝缘子作为架空输电线路的重要组成部分,直接影响着电力系统的安全和稳定.通过引入深度学习技术实时获取绝缘子的工作状态已成为当前主流的研究趋势.但是在实际的输电线路图像中绝缘子缺陷目标区域小且背景复杂,导致绝缘子缺陷检测精度低.针对该情况提出了一种基于YOLOv3改进的绝缘子缺陷检测算法GC-SPP-YOLOv3.首先借鉴了 Ghost Module的思想提出了一个新的特征提取网络,在保证精度不变的情况下,显著提升了检测速度.并在其中引入了双重注意力模块提升网络的特征表达能力.接着引入空间金字塔池化模块丰富特征图的表征层次.在包含4020张绝缘子缺陷图像的数据集上进行实验,该算法相比原YOLOv3算法的mAP提升了 3.43％,相比较两阶段算法Faster R-CNN的mAP提高了 2.7％,并且在检测速度方面表现出显著的优势,每秒可以检测35张图片.实验结果表明,该算法在绝缘子缺陷检测中具有良好的效率和实用性.
文献关键词：
绝缘子;缺陷检测;深度学习;注意力模块;空间金字塔池化
中图分类号：
作者姓名：
王凯;许敏;孙翔;许全;谭守标
作者机构：
安徽大学电子信息工程学院,合肥230000
文献出处：
引用格式：
[1]王凯;许敏;孙翔;许全;谭守标-.改进YOLOv3的绝缘子自爆缺陷检测方法)[J].小型微型计算机系统,2022(12):2564-2569
A类：
B类：
YOLOv3,绝缘子自爆缺陷,缺陷检测方法,架空输电线路,电力系统,深度学习技术,工作状态,研究趋势,线路图,目标区域,绝缘子缺陷检测,检测精度,检测算法,SPP,先借,Ghost,Module,特征提取网络,检测速度,双重注意力模块,特征表达,表达能力,空间金字塔池化,金字塔池化模块,特征图,mAP,两阶段,Faster,每秒
AB值：
0.28584
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
