基于LEE-YOLOv7的输电线路边缘端实时缺陷检测方法

作者：胡晨龙; 裴少通; 刘云鹏; 杨文杰; 杨瑞; 张行远; 刘海峰

来源：高电压技术, 2023, 1-14.

DOI：10.13336/j.1003-6520.hve.20230945

• 边缘计算
• 输电线路
• Deepstream
• 缺陷检测
• 深度学习
• TensorRT

边缘计算设备已广泛应用于无人机输电线路巡检中，但边缘端设备较低的功率及算力限制了检测速度与精度，针对以上问题，本文对YOLOv7目标检测算法进行改进，提出一种基于LEE-YOLOv7的输电线路边缘端缺陷诊断方法。首先，采用Mosaic-9数据增强方法改进训练阶段的输入端，提高网络的泛化能力；并引入LCnet网络改造主干网络部分，减少冗余参数，轻量化网络；而后采用Meta-ACON激活函数及Wise-IoU损失函数优化网络，最后在推理过程中使用Deepstream技术调用TensorRT模块实现模型重构、优化及加速。经实验验证LEE-YOLOv7对10种常见的输电线路多尺寸的缺陷的识别平均准确率达到了92.3%，相比原版YOLOv7算法，提高了2.8%且检测速度提升了38帧/s，达到了53帧/s。采用了Deepstream调用TensorRT模块进行推理过程的优化加速后，在Nvidia Jetson Xavier NX边缘端模块上，实现了91.2%的平均准确度及79帧/s的检测速度，满足了边缘端准确实时的输电线路缺陷检测的要求。

• 单位
  华北电力大学; 新能源电力系统国家重点实验室