计算机工程

作者：杨露露, 马萍, 王聪, 李新凯, 孟月, 张宏立

单位：新疆大学电气工程学院, 新疆 乌鲁木齐 830017

关键词：绝缘子检测,YOLO模型,特征重用,特征重建,轻量化,智能巡检

基金：国家自然科学基金(52065064); 国家自然科学基金(52267010); 国家自然科学基金(62263030); 新疆维吾尔自治区自然科学基金(2022D01E33)

针对基于深度学习的绝缘子缺陷检测方法存在泛化性能低、难以识别复杂背景下的绝缘子等问题,从特征提取和融合角度出发,提出一种结合特征重用与重建的YOLO(YOLO-RR)模型的绝缘子缺陷检测方法。首先,在特征提取阶段,以DenseNet为基础构建dense35网络作为主干网络,通过特征的重用增加对特征细节的感知能力,提升了模型在低饱和度和低对比度成像情况下的检测精度,并降低了网络参数量。其次,在特征融合阶段,提出基于沙漏模块的双向特征金字塔网络(H-BiFPN)结构进行不同尺度特征间的双向融合,通过特征重建和融合丰富了不同尺度的特征信息,解决了连续卷积下小目标信息丢失的问题,提升了对小目标的检测精度。最后,使用Wise-交并比(WIoU)损失函数优化模型,通过重点关注普通锚框使预测更加精准。在扩充后的中国输电线路绝缘子数据集(CPLID)上的实验结果表明,YOLO-RR模型识别率达到93.6%,网络参数量压缩至5.16×106,优于对比模型,能够满足绝缘子缺陷定位的准确性和实时性要求,同时在背景干扰较大、受光照影响的成像上也有很好的检测效果。

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