典型文献
基于改进YOLOv5s绝缘子缺陷检测技术研究
文献摘要：
采用无人机对输电线路进行智能巡检作业已成为行业主流,绝缘子缺陷检测是智能巡检作业中的关键环节.针对复杂环境中绝缘子缺陷检测精度低的问题,本文提出一种基于改进YOLOv5s绝缘子缺陷检测算法.首先,对现有数据集利用随机矩形遮挡、水平翻转、随机像素置零、添加随机像素等操作进行数据增强,并利用K-means算法对数据集进行聚类分析,得到最佳锚框尺寸,有效提高模型的泛化能力和定位精度;其次,在YOLOv5s的主干网络的末端和最后3个不同规模的卷积网络后加入GAM注意力模块,使模型可以在更大的网络上进行注意,来解决无效特征对识别精度的影响;最后,在特征金字塔结构FPN的基础上,引入自适应特征融合ASFF模块,来增强网络的特征提取能力.实验结果表明,改进后YOLOv5s模型的精确率和mAP0.5相比于原YOLOv5s网络分别提高了 2.4％和 2.2％.
文献关键词：
绝缘子;YOLOv5s;GAM;目标检测;ASFF
中图分类号：
作者姓名：
肖粲俊;潘睿志;李超;黄纪刚
作者机构：
成都工业学院数字孪生实验室 成都610031;成都理工大学机电工程学院 成都610059;四川大学机械工程学院 成都610065
文献出处：
引用格式：
[1]肖粲俊;潘睿志;李超;黄纪刚-.基于改进YOLOv5s绝缘子缺陷检测技术研究)[J].电子测量技术,2022(24):137-144
A类：
B类：
YOLOv5s,绝缘子缺陷检测,输电线路,智能巡检,复杂环境,检测精度,检测算法,遮挡,像素,数据增强,means,锚框,泛化能力,定位精度,主干网络,不同规模,卷积网络,GAM,注意力模块,决无,识别精度,特征金字塔结构,FPN,自适应特征融合,ASFF,特征提取能力,精确率,mAP0,目标检测
AB值：
0.333727
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。
