基于YOLO框架的无锚框输电线多种缺陷检测

摘要：

检测并及时修复输电线路的缺陷是电能安全输送的重要保障.针对现有检测方法存在效率低、对多尺度目标检测精度低、泛化能力差等不足,提出了一种基于无人机影像的无锚框输电线缺陷检测方法.该方法基于YOLO系列目标检测框架构建了一种无锚框的检测网络,设计了相匹配的正负样本分配方式,融入了多种优化策略,有效改善了现有方法的不足.实验结果表明,提出的方法能够同时对输电线的断股、散股、断线、烧伤和异物5种缺陷进行有效检测.相比于传统输电线缺陷识别方法和基于深度学习的缺陷检测方法SSD、Faster R-CNN、YOLOv4、YOLOv5,该方法的平均精度均值(mAP)达到78.31％,每秒传输帧数(FPS)为103.5 f/s,同时兼备检测的快速性和高精度,在5类输电线缺陷检测任务中均具有良好的性能.

关键词：深度学习、目标检测、输电线缺陷、YOLO框架、无锚框

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

资助基金：北京市自然科学基金资助项目4212001

在线出版日期：2023-04-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：24-31