典型文献
基于轻量化YOLOv4的复杂场景绝缘子缺陷检测算法
文献摘要：
针对目前高压线路绝缘子缺陷检测速度慢,复杂场景下精度低的问题,提出一种基于轻量化YOLOv4(you only look once)的复杂场景绝缘子缺陷检测算法.首先利用轻量级的ECA-GhostNet(efficient channel attention GhostNet)作为骨干网络,以提升检测速度;然后在预测层引入分类-定位质量估计联合表示方法,并采用广义分布表示边界框的灵活分布,以提升复杂场景下的检测性能.训练阶段分别采用定位质量焦损失函数(quality focal loss,QFL)与分布焦损失函数(distribution focal loss,DFL)更好地监督联合表示与边框回归.将该算法在具有复杂背景的数据集上对正常与自爆缺陷绝缘子两类目标进行验证实验,结果表明,该算法在复杂场景下的检测精度均优于目前主流算法,且检测速度达49 FPS,比YOLOv4原始算法检测速度提升了约40％.
文献关键词：
绝缘子;YOLOv4算法;联合表示;缺陷检测;广义分布
中图分类号：
作者姓名：
李利荣;张云良;陈鹏;张开;熊炜;巩朋成
作者机构：
湖北工业大学电气与电子工程学院,湖北武汉430068;湖北工业大学太阳能高效利用湖北省协同创新中心,湖北武汉430068
文献出处：
引用格式：
[1]李利荣;张云良;陈鹏;张开;熊炜;巩朋成-.基于轻量化YOLOv4的复杂场景绝缘子缺陷检测算法)[J].光电子·激光,2022(06):598-606
A类：
广义分布
B类：
YOLOv4,复杂场景,绝缘子缺陷检测,检测算法,高压线路,检测速度,速度慢,you,only,look,once,轻量级,ECA,GhostNet,efficient,channel,attention,骨干网络,质量估计,联合表示,表示方法,边界框,活分,检测性能,训练阶段,损失函数,quality,focal,loss,QFL,distribution,DFL,边框回归,复杂背景,自爆缺陷,类目,验证实验,检测精度,流算法,FPS
AB值：
0.413864
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。
