科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对电力无人机巡检过程中对玻璃绝缘子及其缺陷检测实时性差的问题,提出了基于改进YOLOv4的轻量化玻璃绝缘子缺陷检测模型。首先改进Mobile Net V3-Large主干网络并将其作为YOLOv4的骨干网络。其次提出轻量级卷积方式,在保证较高精度的前提下大幅度减少计算量,提升推理速度,再利用Re LU6函数作为激活函数提升模型性能。然后在特征融合模块中引入Inception-Resnet结构,获取更适合检测的特征图。最后采用多阶段迁移学习的思想训练模型,提高训练效率。实验证明,相比YOLOv4模型,文中模型参数量下降了198.39M,MAP提升了11.31%,检测速度在GPU和CPU设备上约为原来的2倍、5.8倍,可高效完成无人机对玻璃绝缘子及其缺陷的实时检测。
- 单位
