System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于YOLOV5—CMW的输电线路绝缘子缺陷检测的方法技术_技高网

一种基于YOLOV5—CMW的输电线路绝缘子缺陷检测的方法技术

技术编号:40710754 阅读:6 留言:0更新日期:2024-03-22 11:12
本发明专利技术公开了一种基于YOLOV5—CMW的输电线路绝缘子缺陷检测的方法,包括以下步骤:S1:对采集到的输电线路绝缘子图像依次进行预处理和数据增强处理后,基于YOLOV5算法的搭建检测网络模型,将不同层次的特征图上添加额外的卷积层,同时,将所有特征图整合多尺度特征后,生成融合后的特征图;S2:引入多尺度自适应特征注意力模块,在多尺度下自适应地调整特征通道;S3:选择WIoU损失函数作为边界框回归的损失函数,完成多层特征整合。通过改进损失函数,不仅进一步提高了准确率和召回率,还实现了mAP@0.5的显著提升,表明改进后的模型在标准的IoU阈值下表现更好,并且具有更高的准确性。

【技术实现步骤摘要】

本专利技术涉及绝缘子检测,尤其涉及基于yolov5—cmw的输电线路绝缘子缺陷检测的方法。


技术介绍

1、绝缘子作为输配电网重要保护器件,被广泛使用在电力传输场合。由于长期经受机电负荷、大气污染、冷热变化等作用,绝缘子本身会出现磨损、老化、缺损等,使其绝缘性能和机械性能会下降。

2、而目标检测,作为一种从静态图像或动态视频中检测出感兴趣目标,并同时预测出它们的位置和大小的重要技术,能够很好的用于缘子缺陷检上。

3、经检索,申请号cn114612803a的中国专利,公开了一种改进centernet的输电线路绝缘子缺陷检测方法,其公开通过改进centerne的方式进行绝缘子缺陷的判定;

4、申请号cn112837315b的中国专利,公开了一种基于深度学习的输电线路绝缘子缺陷检测方法,其目的是识别和追踪各帧图像中的多绝缘子,并检测出各绝缘子片的状态;

5、然而,对于输电线路的绝缘子缺陷的检测,还需要更多的实现绝缘检测的准确性,此外,还需要考虑到实际投入使用的资源和成本限制,尽可能的降低计算量,来避免受到实施限制。


技术实现思路

1、本专利技术的目的是为了解决现有技术中存在的缺陷,而提出的基于yolov5—cmw的输电线路绝缘子缺陷检测的方法。

2、为了实现上述目的,本专利技术采用了如下技术方案:

3、一种基于yolov5—cmw的输电线路绝缘子缺陷检测的方法,包括以下步骤:

4、s1:对采集到的输电线路绝缘子图像依次进行预处理和数据增强处理后,基于yolov5算法的搭建检测网络模型,将不同层次的特征图上添加额外的卷积层,同时,将所有特征图整合多尺度特征后,生成融合后的特征图;

5、s2:引入多尺度自适应特征注意力模块,在多尺度下自适应地调整特征通道;

6、s3:选择wiou损失函数作为边界框回归的损失函数,完成多层特征整合;

7、s4:改进yolov5算法模型,利用训练好的所述图像检测网络模型对绝缘子图片进行缺陷检测。

8、进一步地,在步骤s1中,通过clc进行尺度特征的整合。

9、进一步地,在步骤s1中,融合后的特征图f的生成流程为:

10、

11、其中,conv()表示卷积操作,表示特征图的融合操作,f1和f2分别来自网络的两个不同层次。

12、进一步地,在步骤s2中,引入多尺度自适应特征注意力模块包括以下流程:

13、通过1x1的卷积层conv1,将输入特征映射到新的特征空间;

14、将最大池化层多次应用于逐渐降低的特征分辨率,形成空间金字塔;

15、经过空间金字塔池化,得到具有多种尺度信息的特征;

16、通过全局平均池化层对各个尺度的特征执行不同尺度的特征信息提取,得到蕴含大感受野的特征向量;

17、通过全连接网络fc,描述不同尺度特征通道的注意力权重。

18、这种注意力机制使得模型可以根据全局信息自动地调整每个特征通道的重要性,进一步增强了对特征的利用效率。

19、进一步地,在步骤s3中,使用wiou损失函数作为边界框回归的损失函数,其具体方式为:

20、lwiouv3=rlwiouv1

21、

22、lwiouv1=rwiouliou

23、

24、

25、其中:wiouv1包含两个注意力机制来更好地聚焦于质量适中的锚框,并非依赖于iou值;r为动态确定的非单调聚焦系数;rwiou用于确定预测边界框和真实边界框之间差异的度量;wg、hg用于定义预测边界框的参数;xgt、ygt用于确定真实对象的位置:β用于苹果与真实边界框的相似度或差异;为单调聚焦系数,用于强化损失函数对高质量锚框的关注;liou用于平滑损失函数的计算。

26、相比于现有技术,本专利技术的有益效果在于:

27、通过改进损失函数,不仅进一步提高了准确率和召回率,还实现了map@0.5的显著提升,表明改进后的模型在标准的iou阈值下表现更好,并且具有更高的准确性。

本文档来自技高网...

【技术保护点】

1.一种基于YOLOV5—CMW的输电线路绝缘子缺陷检测的方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于YOLOV5—CMW的输电线路绝缘子缺陷检测的方法,其特征在于,在步骤S1中,通过CLC进行尺度特征的整合。

3.根据权利要求2所述的基于YOLOV5—CMW的输电线路绝缘子缺陷检测的方法,其特征在于,在步骤S1中,融合后的特征图F的生成流程为:

4.根据权利要求3所述的基于YOLOV5—CMW的输电线路绝缘子缺陷检测的方法,其特征在于,在步骤S2中,引入多尺度自适应特征注意力模块包括以下流程:

5.根据权利要求4所述的基于YOLOV5—CMW的输电线路绝缘子缺陷检测的方法,其特征在于,在步骤S3中,使用WIoU损失函数作为边界框回归的损失函数,其具体方式为:

【技术特征摘要】

1.一种基于yolov5—cmw的输电线路绝缘子缺陷检测的方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于yolov5—cmw的输电线路绝缘子缺陷检测的方法,其特征在于,在步骤s1中,通过clc进行尺度特征的整合。

3.根据权利要求2所述的基于yolov5—cmw的输电线路绝缘子缺陷检测的方法,其特征在于,在步骤s1中,融合后的...

【专利技术属性】
技术研发人员:李昊楠
申请(专利权)人:上海电机学院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1