基于改进YOLOv5的输电线路走廊滑坡灾害识别

作者：熊昌全; 张宇宁; 杨和生; 唐道建; 刘诗剑

来源：机电信息, 2023, (01): 27-35.

DOI：10.19514/j.cnki.cn32-1628/tm.2023.01.008

• 目标检测
• YOLOv5
• CIoU
• 滑坡识别
• 深度学习

随着我国大规模输电线路网络的发展建设，部分输电线路不可避免地需要穿越地质复杂、易发生滑坡区域，滑坡灾害会严重威胁输电线路的安全稳定运行，针对上述问题，提出一种改进YOLOv5(YOLOv5-BC)深度学习滑坡灾害识别方法，引入BiFPN结构替换PANet提高多层特征融合能力，引入CIoU替换GIoU损失函数，使最终预测框更接近真实框，提升预测精度。实验结果表明，算法在滑坡数据集上较YOLOv5、Faster-RCNN算法准确率均具有显著优势，可以满足实际应用需求。