典型文献
基于YOLOv5的电力巡检图像缺陷识别研究
文献摘要：
针对输电线路巡检中可能出现的裂化、老化、腐蚀、破损等诸多缺陷的情况,为保证输电线路运行的安全和稳定,文中开展了基于YOLOv5的电力巡检图像缺陷识别研究.在YOLOv5算法的基础上,结合电力巡检图像特点,采用CIOU_Loss作为Bounding box的损失函数,使其具有更快、更好的收敛效果;选用DIOU_NMS用于NMS处理,提高对遮挡重叠目标的识别精度;同时,在对数据集进行分类处理后,采用"分别训练、统一推断"的方法,冻结部分网络层权重来训练网络模型.实验结果显示,基于YOLOv5算法模型可以有效地识别电力巡检图像缺陷情况.
文献关键词：
输电线路;缺陷识别;目标检测;YOLOv5
中图分类号：
作者姓名：
庞博;鲍志远;杨明坤;张凌浩;孙小毛;胡强
作者机构：
国网四川省电力公司电力科学研究院,四川 成都 610041;清华大学,北京 100084;国网四川省电力公司乐山供电公司,四川 乐山 614099;清华四川能源互联网研究院氢能系统与转化研究所,四川 成都 610299
文献出处：
引用格式：
[1]庞博;鲍志远;杨明坤;张凌浩;孙小毛;胡强-.基于YOLOv5的电力巡检图像缺陷识别研究)[J].四川电力技术,2022(05):48-53,94
A类：
B类：
YOLOv5,电力巡检,缺陷识别,输电线路巡检,裂化,多缺陷,线路运行,CIOU,Loss,Bounding,box,损失函数,收敛效果,DIOU,NMS,遮挡,识别精度,分类处理,冻结,分网,网络层,重来,算法模型,目标检测
AB值：
0.404926
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。
