科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对电力输电线无人机巡检图像中绝缘子及其缺陷识别精度低的问题，提出了一种基于CenterNet改进的绝缘子缺陷检测模型。该模型基于CenterNet目标检测模型，对编码器和解码器进行了改进。改进的编码器采用ResNet 50作为骨干网络，兼具特征提取能力和较快的运行速度，并加入卷积注意力模块(CBAM)和空间金字塔池化模块(SPP),以增强特征提取能力。改进的解码器将转置卷积替换为内容感知特征重组模块(CARAFE),以减小连续上采样导致的特征丢失，并在解码器末尾加入坐标卷积以减小标准卷积空间不变性造成的影响。最后将模型中的标准卷积层替换成深度过参数化卷积(DO-Conv),进一步提升模型的性能、加快模型训练的收敛速度。使用绝缘子图片数据集对改进CenterNet模型进行了训练和测试。结果表明，改进CenterNet模型与其他主流的目标检测模型对比精度最高，mAP达到97.16%,检测速度达到了43帧·s-1,mAP比CenterNet模型提高了2.92%。
- 单位
