计算机工程

作者：屠乃威, 焦猛, 阎馨

单位：辽宁工程技术大学电气与控制工程学院, 辽宁 葫芦岛 125105

关键词：鸟巢检测,YOLOv5s模型,注意力机制,损失函数,知识蒸馏

基金：国家自然科学基金(61601212); 国家自然科学基金(52177047); 辽宁省教育厅高等学校基本科研项目(LJ2017QL012)

为了解决复杂环境下电力巡检无人机对输电线路鸟巢识别精度低、错检漏检率高、定位不准等问题, 在YOLOv5s模型的基础上, 提出一种用于输电线路鸟巢目标检测的改进YOLO-nc-kd模型。设计一种高效的多尺度卷积特征融合模块(MCFFM), 实现不同尺度下的高效特征提取, 使模型能获得更加丰富和多样化的特征表示。引入注意力机制, 提升主干网络在相似环境背景下的鸟巢特征提取能力。设计改进的定位损失函数, 提高边界框的定位精度和小目标检测能力。使用知识蒸馏技术, 进一步提升模型精度。实验结果表明, 改进YOLO-nc-kd模型的准确率、召回率以及平均精度均值(mAP)相较于YOLOv5s模型分别提升了7.3、5.6、4.9个百分点, 具有较好的输电线路鸟巢目标图像检测效果。

来源：2024年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第7期