科研之友
微信
新浪微博
Facebook
分享链接
摘要
输电线路场景图像易受野外多种环境干扰，当前主流的深度学习网络模型难于满足输电线路防外破检测模型的边缘部署实时性和精度要求。该文提出了一种融合残差学习的YOLOv4输电线路防外破检测方法。首先采用数据增强技术对所采集的输电线路图像数据集增强，建立了输电线路防外力破坏的图像数据集。其次，考虑到输电线路网络模型便于实际边缘部署配置的需要，对YOLOv4网络结构进行了改进，基于ResNet50构建特征提取主干网络。最后引入标签平滑技术对YOLOv4的分类损失函数进行了优化以减缓过拟合问题，提高了网络模型的检测精度。用实际采集的输电线路图像构成的数据集进行了测试，实验结果表明该文所提出的方法在运算速度和检测准确度上均优于其他方法。
- 单位
