基于边缘计算和改进YOLOv5s算法的输电线路故障实时检测方法

摘要：

随着输电线路无人机巡检工作的常态化,暴露出故障图像检测实时性、模糊目标检测精准性难以满足实际工作需求的问题.文章提出一种基于边缘计算和改进YOLOv5s算法的输电线路故障实时检测方法.以YOLOv5s为基础检测模型,基于Ghost轻量化模块重构模型获取数据特征的卷积操作过程,提高了模型的检测速度;采用基于KL散度分布的损失函数作为目标框定位损失函数,提升了模型对模糊图像检测的精度.将改进的YOLOv5s算法部署于华为Atlas 200 DK边缘模块中,对绝缘子自爆、防震锤脱落、鸟巢3类故障进行检测,其平均精度均值可达84.75％,检测速度为34 frame/s.结果表明,改进的算法在保证检测实时性的同时,能够提升对模糊故障目标图像的检测精度,满足无人机搭载边缘设备的输电线路巡检需求.

关键词：边缘计算、输电线路故障、YOLOv5s、实时检测、Ghost轻量化模块、KL散度

所属期刊栏目：44

分类号：TM75(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;湖北省科技重大专项

在线出版日期：2023-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：91-99