典型文献
基于深度学习的绝缘子缺失检测方法研究
文献摘要：
绝缘子缺陷严重影响输电线路安全,航拍图像绝缘子缺失的有效识别是无人机线路巡检.提出一种轻量级网络的绝缘子缺失检测模型,使用轻量级网络MobileNetV3替换YOLOv4模型的CSPDarknet53网络.以分割性能和计算速度为判据,综合分析比较了YOLOv4模型和使用轻量型网络对其主干网络替换后的模型在绝缘子缺失检测上的性能,实验结果表明:筛选的YOLOv4-MobileNetV3轻量级网络绝缘子缺失检测模型能够准确定位图像中单、多目标绝缘子;改进后YOLOv4-MobileNetV3检测模型比原模型的体积减少了78％,FPS提升了4.85 f/s,而mAP仅降低0.6％.提出的绝缘子缺失检测方法能够满足无人机电力线路巡检的需求.
文献关键词：
绝缘子缺失检测;深度学习;轻量型网络;YOLOv4-MobileNetV3模型
中图分类号：
作者姓名：
乔路丽;蔺雨桐;李静;管宽岐;张楠楠
作者机构：
国网辽阳供电公司,辽宁辽阳 111000;沈阳农业大学信息与电气工程学院,辽宁沈阳 110866
文献出处：
引用格式：
[1]乔路丽;蔺雨桐;李静;管宽岐;张楠楠-.基于深度学习的绝缘子缺失检测方法研究)[J].电网与清洁能源,2022(10):44-50
A类：
绝缘子缺失检测
B类：
输电线路,线路安全,航拍图像,线路巡检,轻量级网络,检测模型,MobileNetV3,YOLOv4,CSPDarknet53,计算速度,判据,轻量型网络,主干网络,准确定位,位图,FPS,mAP,电力线路
AB值：
0.174216
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。
