【技术实现步骤摘要】
本专利技术属于计算机视觉和电力工程领域，具体地说，涉及一种基于改进yolov5s算法的面向智能终端的绝缘子缺陷检测技术。
技术介绍
1、电力工业是国民经济的关键支撑，而绝缘子串在电力输电线路中的重要作用不可忽视。然而，长期自然环境暴露使绝缘子容易发生故障，特别是自爆缺陷，可能导致电力设备故障。因此，及时检测和维护绝缘子对电网安全至关重要。传统巡检方法受限于天气、地理位置和成本等问题，迫使研究人员寻找新方法。
2、智能巡检技术将无人机和人工智能结合，通过无人机采集绝缘子图像并存储，然后在pc上分析图像，实现数字化和智能化的巡检。然而，现有智能巡检仍依赖于pc端cpu或gpu处理图像，无法满足实时需求。而智能终端作为嵌入式系统，粒度更细。然而，尚未有机器学习算法的智能移动设备来实现实时检测。
3、在此背景下，本专利技术在实时检测和智能终端部署需求下，改进yolov5s网络模型，构建了yolov5s-idd(绝缘子缺陷检测)模型。基于国家电网的绝缘子数据集(cplid)，扩展得到cplid-e数据集。利用这一数据集，对改进的算法进行训练、分析和评估，证明了其性能优于原始算法。同时，实现了pl端去雾算法设计和ps端网络模型部署。这不仅满足实时检测需求，还降低了检测时间，具有重要研究意义和实际价值。
技术实现思路
1、本专利技术旨在通过一系列操作步骤来解决绝缘子缺陷检测中的实时性和智能终端部署问题。具体而言，它包括改进yolov5s模型、完成视频图像去雾系统、将改进模
2、s10，改进yolov5s模型；
3、s20，完成视频图像去雾系统；
4、s30，将改进模型部署到ps端；
5、s40，完成测试与分析；
6、在步骤s10中，考虑到要满足实时检测的需求，并且最终要部署到智能终端上，所以选择了yolov5s算法。首先对yolov5s网络结构进行改进，构建yolov5s-idd(yolov5s-insulator defect detection)绝缘子缺陷检测网络模型。改进的具体步骤如下：
7、s101，将yolov5s结构中原先的mosaic数据增强改进为mosaic-9。这一改进极大地丰富了数据信息，增加了小目标物体的数量，扩展了数据集规模，因此显著提升了对小目标物体的检测精度和速度。
8、s102，用mish、h-sigmoid激活函数分别替换yolov5s中以及坐标注意力(ca)模块中的部分激活函数。在yolov5s 6.0及后续版本中，主要使用了silu和sigmoid这两种激活函数。mish函数以其无穷连续性和光滑性而著称，这种平滑的激活函数允许更深入地传递信息至神经网络，提高了准确性和泛化能力，尤其在深层网络中表现更为稳定。相较于silu，mish激活函数具备更高的精度。ca模块中使用的是sigmoid函数。考虑到sigmoid函数式中含有指数运算，增加了计算的复杂度。因此使用h-sigmoid激活函数替换原先ca模块中的sigmoid激活函数，构建一个新的注意力模块ca_h。
9、s103，用mobilenetv2替换yolov5s结构中的主干网络，使得主干网络轻量化。在yolov5s的6.0及后续版本中，backbone主要包含conv、cspdarknet53和sppf模块。mobilenetv2相对yolov5s的backbone更小，适合智能终端或嵌入式设备，减少计算和内存需求，同时保持准确率。mobilenetv2有32位通道的卷积层和17个bottleneck块。通过将yolov5s网络的主干结构替换为基于mobilenetv2的bottleneck块，构建了更高效的轻量网络。
10、s104，引入ca_h注意力机制，最终构建yolov5s-idd网络结构。在s102中构建了一个新的注意力机制ca_h模块。ca_h较小的计算开销能很好的插入网络，提升网络性能。所以选择ca_h模块添加到网络中，以增强网络在通道和空间坐标位置上的特征提取与特征信息融合的能力。最终构建完成了yolov5s-idd网络模型结构。
11、在步骤s20中，在步骤s20中，首先，pl端的视频图像采集模块接收由ov5640摄像头采集的图像信息。随后，它将接收到的视频图像存入缓存模块，然后传输至去雾算法模块进行视频图像去雾处理。最终，经过去雾处理的视频图像将在显示模块中展示。
12、在步骤s30中，首先进行了zynq硬件加速系统的设计，包括dpu模块、主控模块、中断位拼接模块以及复位模块。接着，创建了docker环境，使用vitis ai开发套件中的ai量化器和ai编译器对yolov5s-idd网络模型进行了量化和编译。最后，将经过移植的yolov5s-idd网络模型部署到zynq硬件平台上。
13、在步骤s40中，将yolov5s-idd网络模型部署到zynqaxu2cg的ps端后，进行了一系列关键测试，包括量化性能、检测效率和资源占用率。结合无人机进行雾天飞行检测测试，成功传回监测结果。对量化前后的yolov5s-idd和yolov5s模型进行性能测试，包括检测精度损失和模型大小。在三个不同计算平台下测试检测效率，包括帧率、功耗和能耗比，均获得显著优化。分析axu2cg硬件平台资源使用，充分利用axu2cg开发板资源，提升整体资源利用率，最大限度提高系统性能。
14、该专利技术的意义在于为绝缘子缺陷检测领域带来新的技术突破，实现实时性要求和智能终端部署的双重挑战。通过优化模型结构、引入新的算法和注意力机制，以及有效的硬件加速和部署方案，该专利技术为电力工业提供了更可靠、高效的绝缘子缺陷检测方案，具有重要的实际应用价值。
本文档来自技高网...【技术保护点】
1.一种基于改进YOLOv5s算法的面向智能终端的绝缘子缺陷检测技术，其特征在于，包括如下步骤：改进YOLOv5s模型、完成视频图像去雾系统、将改进模型部署到PS端、完成测试与分析。
2.根据权利说明1所述的一种基于改进YOLOv5s算法的面向智能终端的绝缘子缺陷检测技术，特征在于，将YOLOv5s结构中原先的Mosaic数据增强改进为Mosaic-9。
3.根据权利说明1所述的一种基于改进YOLOv5s算法的面向智能终端的绝缘子缺陷检测技术，特征在于，用 Mish、H-Sigmoid激活函数分别替换YOLOv5s中以及坐标注意力（CA）模块中的部分激活函数；
4.根据权利说明1所述的一种基于改进YOLOv5s算法的面向智能终端的绝缘子缺陷检测技术，特征在于，用 MobileNetV2 替换 YOLOv5s结构中的主干网络，使得主干网络轻量化。
5.根据权利说明1所述的一种基于改进YOLOv5s算法的面向智能终端的绝缘子缺陷检测技术，特征在于，将经过移植的YOLOv5s-IDD网络模型部署到Zynq硬件平台上。
6.根据
...【技术特征摘要】
1.一种基于改进yolov5s算法的面向智能终端的绝缘子缺陷检测技术，其特征在于，包括如下步骤：改进yolov5s模型、完成视频图像去雾系统、将改进模型部署到ps端、完成测试与分析。
2.根据权利说明1所述的一种基于改进yolov5s算法的面向智能终端的绝缘子缺陷检测技术，特征在于，将yolov5s结构中原先的mosaic数据增强改进为mosaic-9。
3.根据权利说明1所述的一种基于改进yolov5s算法的面向智能终端的绝缘子缺陷检测技术，特征在于，用 mish、h-sigmoid激活函数分别替换yolov5s中以及坐标注意力（ca）模块中的部分激活函数；
4.根据权利说明1所述的一种基于改进yolov5...
【专利技术属性】
技术研发人员：李国辉，曾维，郭海波，王洪辉，柏宇，王胜，王玥坦一，于真，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。