基于改进YOLOv4输电线关键部件实时检测方法

摘要：

针对输电线路维护过程中的典型缺陷识别问题,为提高无人机(unmanned aerial vehicle,UAV)自主巡检的智能化程度,提出基于改进YOLOv4的无人机输电线关键部件实时检测模型.根据无人机视角下输电线典型目标的特点,结合Mo-bileNet重新设计了一种轻量的特征提取网络来获取更高的特征提取效率,利用空洞模块增强感受野减少小目标的信息损失;在特征融合模块中添加自适应路径融合网络来融合更多的位置信息和语义信息,提高了多尺度目标的检测精度,减少了目标的误报率.采用构建的无人机输电线关键部件数据集来评估提出的模型.结果 表明:基于YOLOv4改进的网络能够在无人机机载端实现实时多尺度目标检测,模型的平均准确率可达到92.76％,检测速度可达到32帧/秒,能够满足无人机嵌入式平台上实时检测的需求.

关键词：嵌入式;电力巡检;关键部件;目标检测;特征融合;深度学习

所属期刊栏目：21

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;国网河南省电力公司电力科学研究院科技项目

在线出版日期：2021-11-08（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：10393-10400