基于USRNet与改进YOLOv5x的输电线路绝缘子故障检测方法

作者：黄悦华; 刘恒冲; 陈庆; 陈照源; 张家瑞; 杨楚睿

来源：高电压技术, 2022, 48(09): 3437-3446.

DOI：10.13336/j.1003-6520.hve.20220314

• 输电线路故障检测
• 无人机巡检
• 复杂背景
• 小目标检测
• USRNet
• 改进YOLOv5x

针对无人机输电线路巡检图像的复杂背景目标检测失准、故障小目标难以被准确检测的问题,提出一种基于深度展开超分网络(deep unfolding super-resolution network,USRNet)与改进YOLOv5x算法的输电线路绝缘子故障检测方法。首先,使用USRNet对原始图像进行超分辨率重建,以降低复杂背景干扰实现测试数据集优化;然后,以YOLOv5x检测模型为基础,利用K-means++对标记框进行聚类,生成匹配输电线路故障目标尺寸的锚框;同时,通过更改多尺度特征融合模块结构,在预测端引入一个包含更大特征图的检测头以检测故障小目标;最后,使用有效交并比损失(efficient intersection over union loss, EIOU＿Loss)函数优化模型整体性能,并设置对比实验对所提方法进行验证。结果表明,所提方法的均值平均精度(mean average precision, mAP)值达到98.8%,可使输电线路故障检测精度提高到95.4%,从而具有更好的复杂背景目标以及小目标检测性能。

• 单位
  三峡大学