典型文献
基于YOLOv5的配电网绝缘子缺陷分级检测
文献摘要：
针对目前配电网绝缘子巡检因图像背景复杂、检测目标较小、缺陷形态多样、阴影遮挡导致误检漏检等原因而造成的检测准确率低的问题,提出一种用于配电线路绝缘子缺陷检测的先定位后分类的分级检测策略.首先采用YOLOv5网络定位绝缘子区域,在此基础上通过DenseNet网络进一步区分绝缘子区域是否存在故障.通过第二级DenseNet201网络能够识别出在遮挡情况下特征表达能力不足的故障绝缘子,同时排除因背景杂物造成的误检.实验结果表明,所提改进YOLOv5s绝缘子定位网络的检测时间为平均每张图片11.8 ms,检测均值平均精度达到97.4％,均优于原有YOLOv5模型.
文献关键词：
配电网;绝缘子;缺陷检测;YOLOv5;DenseNet
中图分类号：
作者姓名：
张磊;胡仕林;张家瑞
作者机构：
三峡大学电气与新能源学院,湖北宜昌 443002;智慧能源技术湖北省工程研究中心(三峡大学),湖北宜昌 443002
文献出处：
引用格式：
[1]张磊;胡仕林;张家瑞-.基于YOLOv5的配电网绝缘子缺陷分级检测)[J].电力科学与工程,2022(11):41-48
A类：
B类：
配电网,巡检,缺陷形态,阴影遮挡,检漏,漏检,检测准确率,配电线路,绝缘子缺陷检测,检测策略,网络定位,子区域,第二级,DenseNet201,特征表达,表达能力,杂物,YOLOv5s,检测时间,每张,ms,均值平均精度
AB值：
0.366631
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。
