一种轻量化YOLOv4输电线路防外力隐患检测方法

作者：周鹏杰; 赵泽宇; 袁斌; 董卓元; 高永亮; 姚新宇; 张军强; 李晋

来源：电工技术, 2023, (23): 94-101.

DOI：10.19768/j.cnki.dgjs.2023.23.026

• 输电线路
• 外力隐患
• 深度学习
• 轻量化
• 边缘部署

输电线路多地处野外偏远，易受各种外力隐患破坏而出现安全故障。针对基于深度学习的输电线路外力隐患检测模型不能满足边缘部署的实时性需求的问题，提出一种轻量化YOLOv4的输电线路防外力隐患检测方法。首先引入深度可分离卷积，采用MobileNetv3作为YOLOv4模型的主干网络用以提取输电线路图像的多尺度特征。然后用建立的输电线路图像数据集对改进的轻量化模型进行训练、验证和测试。实验结果表明，提出的方法在输电线路外力隐患检测中准确率可达到87.73%,运算速度可达到32.49,与同类方法相比综合性能较优。

• 单位
  西安交通大学