轻量级网络算法对输电线路上异物目标的识别

作者：唐政; 张会林; 马立新; 刘金芝; 王昊

来源：电子科技, 2023, 36(04): 71-77.

DOI：10.16180/j.cnki.issn1007-7820.2023.04.010

• 输电线路
• 深度学习
• YOLOv4
• 图像识别
• GhostNet
• 深度可分离卷积模块
• 轻量级网络

针对输电线路上多种异物所引起的电力巡检问题，可以采用深度学习图像识别方法进行检测。文中提出了一种改进型轻量级网络检测算法模型，通过将YOLOv4的主干特征提取网络替换为轻量级神经网络GhostNet,减少图片输入时计算所产生的特征图冗余；对YOLOv4的PANet模块进行修改，采用深度可分离卷积模块替换其中的普通卷积模块，可减轻参数计算量。结果表明，相比于原YOLOv4检测算法，该改进型算法在IOU阈值取0.5时，平均精准度下降2.1%,但检测速度达到了原算法的2.21倍，参数计算量仅为原算法的17.84%。与其他几种算法的对比表明新算法的参数指标表现满足需求。在维持较高精确度的情况下，文中所提算法的检测速度得到提升，计算量减少，证明了其在目标检测时的有效性与可行性。

• 单位
  上海理工大学