新型YOLOv4-tiny网络及在绝缘子检测中的应用

摘要：

针对电力线快速智能巡检需求,提出在飞行器上安装边缘设备进行智能检测的设想.为提高检测性能,依据原始YOLOv4-tiny深度网络结构设计了以Resblock-D轻量化网络为特征提取网络和Resblock-D+CSPDarknet53-tiny为主干的新型YOLOv4-tiny算法和网络.在Jetson NANO上在搭建成功GPU版Darknet深度框架用于训练、部署和测试.以ImageNet标准图像库中的power line图片集及街拍电力线图片为基础,建立Pascal VOC格式的绝缘子数据集,训练成功无预训练权重文件的绝缘子识别网络.选择平均均值误差(mAP)最高的权重文件,在Jetson NANO上进行绝缘子智能识别实验.与标准YOLOv4-tiny算法相比,新型YOLOv4-tiny算法权重文件和计算量仅为58％和66.7％,检出速度快约16％,检出数量高约10％,误检数量低10％,证实其高效性和实用性.

关键词：深度网络、绝缘子、残差网络、边缘设备

所属期刊栏目：27

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金51875335

在线出版日期：2023-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：73-79