典型文献
基于轻量级卷积网络的电力绝缘子视觉检测
文献摘要：
针对深度学习算法模型中参数多、计算量大、复杂度高的问题,特别是图像处理算法对系统硬件平台要求高,导致其难以在小型移动终端设备上部署应用等问题,在传统的YOLOv4算法模型基础上提出了一种轻量级卷积网络的改进方法,并将其应用于输电线绝缘子视觉检测.利用Ghostnet轻量化模型对YOLOv4的主干网络进行改进,并对改进网络的计算复杂度进行分析;同时,提出了基于改进算法的绝缘子视觉检测流程.搭建了系统检测算法仿真平台,对比了所提算法与常规YOLOv4算法、Mobilenetv3-YOLOv4算法和Ghostnet-YOLOv4算法用于绝缘子检测时的不同效果.实验结果表明,相比其他算法,Ghostnet-YOLOv4算法不仅能够较为精准地检测到绝缘子串,而且在保持检测精度的情况下有效降低了计算量.
文献关键词：
输电线路;绝缘子;图像处理;视觉检测;深度学习
中图分类号：
作者姓名：
严宇;张宏伟;肖奕;江维
作者机构：
国网湖南省电力有限公司超高压变电公司,湖南长沙 420100;武汉纺织大学机械工程与自动化学院,湖北武汉 430073
文献出处：
引用格式：
[1]严宇;张宏伟;肖奕;江维-.基于轻量级卷积网络的电力绝缘子视觉检测)[J].电力科学与工程,2022(12):38-46
A类：
B类：
轻量级,卷积网络,电力绝缘子,视觉检测,深度学习算法,算法模型,计算量,图像处理算法,系统硬件,硬件平台,移动终端,终端设备,YOLOv4,改进方法,Ghostnet,轻量化模型,主干网络,进网,计算复杂度,改进算法,检测流程,系统检测,检测算法,算法仿真,仿真平台,Mobilenetv3,绝缘子检测,绝缘子串,检测精度,输电线路
AB值：
0.344024
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。
