典型文献
基于改进YOLOv5神经网络的绝缘子缺陷检测方法
文献摘要：
针对目前无人机航拍的绝缘子图像数据集中缺陷绝缘子样本数量较少的问题,提出一种融合图像数据集制作方法;同时针对绝缘子缺陷检测准确率低且检测网络参数量和计算量大的问题,提出一种改进的YOLOv5神经网络用于绝缘子的缺陷检测.首先采用无人机拍摄真实背景下绝缘子图像,然后借助机器人搭载双目相机和工业相机制作融合图像数据集,以平衡数据集正负样本比例,最后用神经网络对两种方式采集的数据集训练和验证.实验结果显示,采用GhostNet模块改进的YOLOv5网络缺陷检测mAP达98.43％,相比于未改进的YOLOv5网络mAP提高了 6.02％,且通过机器人制作的绝缘子融合图像数据集具有与无人机拍摄的真实背景数据集相同的效果.因此,改进的YOLOv5神经网络能满足绝缘子缺陷检测要求.
文献关键词：
绝缘子;YOLOv5;缺陷检测;双目视觉;GhostNet
中图分类号：
作者姓名：
王年涛;王淑青;黄剑锋;要若天;刘逸凡
作者机构：
湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室,武汉 430068;武汉大学电气与自动化学院,武汉 430072;华中科技大学武汉光电国家研究中心,武汉 430074
文献出处：
引用格式：
[1]王年涛;王淑青;黄剑锋;要若天;刘逸凡-.基于改进YOLOv5神经网络的绝缘子缺陷检测方法)[J].激光杂志,2022(08):60-65
A类：
B类：
YOLOv5,绝缘子缺陷检测,缺陷检测方法,无人机航拍,绝缘子图像,图像数据集,子样本,样本数量,融合图像,制作方法,时针,检测准确率,测网,网络参数,参数量,计算量,搭载,双目相机,工业相机,平衡数据集,正负样本,两种方式,集训,GhostNet,mAP,未改,机器人制作,背景数据,检测要求,双目视觉
AB值：
0.310245
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。
