基于轻量级卷积网络的电力绝缘子视觉检测

作者：严宇; 张宏伟; 肖奕; 江维^*

来源：电力科学与工程, 2022, 38(12): 38-46.

• 输电线路
• 绝缘子
• 图像处理
• 视觉检测
• 深度学习

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。

• 单位
  自动化学院; 武汉纺织大学; 国网湖南省电力有限公司