基于改进YOLOv5模型的绝缘子缺陷识别方法与系统技术方案

本发明专利技术公开了一种基于改进YOLOv5模型的绝缘子缺陷识别方法与系统。方法包括：收集真实且已标注类型的绝缘子图像数据集；基于原YOLOv5模型，构建轻量级的检测模型，在Backbone主干网络以及Neck部分中，利用深度可分离卷积替换原有的普通卷积结构；同时在涉及到特征图输出的CSPLayer层中引入自注意力机制；使用训练集对构建的检测模型进行训练，在训练完成后使用测试集对模型的性能进行评估。本发明专利技术能有效实现模型识别绝缘子是否有缺陷，提高了模型对图像特征的提取能力，并提高了模型在进行绝缘子缺陷识别时的准确率和效率。

【技术实现步骤摘要】

本专利技术属于计算机视觉和电力线路领域，具体涉及一种基于改进yolov5模型的绝缘子缺陷识别方法与系统。

技术介绍

1、在电力系统中，绝缘子是起到隔离和支撑导线的重要设备，其安全运行直接关系到电力系统的稳定运行和人员安全。然而，绝缘子由于长期受到外界环境的影响，容易产生各种缺陷，如污秽、裂纹、击穿等，导致电气设备的故障和事故发生。因此，开展绝缘子缺陷检测研究具有重要的理论和实践意义。

2、在现实中的电力巡检系统中，传统技术主要依赖于人工使用红外设备进行检测，这将导致人力物力耗费较大，效率低下且成本高。此外，人工巡检易受到人员主观因素的影响，检测结果具有一定的主观性和不稳定性，可能存在漏检和误检等问题。鉴于以上因素，在近年来的绝缘子缺陷识别的研究中，基于深度学习的目标检测技术的使用越来越广泛，但是也有若干问题存在，比如由于拍摄角度不一，绝缘子所处的高低远近不同，导致模型识别准确率不够高；在现实应用场景中，对检测效率有一定的要求，cheng(cheng haiyan,zhai yongjie,chen rui.insulator recogniti本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv5模型的绝缘子缺陷识别方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的一种基于改进YOLOv5模型的绝缘子缺陷识别方法，其特征在于，所述利用深度可分离卷积替换原有的普通卷积结构，方法如下：

3.根据权利要求1所述的一种基于改进YOLOv5模型的绝缘子缺陷识别方法，其特征在于，所述在涉及到特征图输出的CSPLayer中引入自注意力机制，方法如下：

4.根据权利要求1所述的一种基于改进YOLOv5模型的绝缘子缺陷识别方法，其特征在于，将实时采集的绝缘子图像，输入训练好的检测模型中识别是否存在缺陷。

5...

【技术特征摘要】

1.一种基于改进yolov5模型的绝缘子缺陷识别方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的一种基于改进yolov5模型的绝缘子缺陷识别方法，其特征在于，所述利用深度可分离卷积替换原有的普通卷积结构，方法如下：

3.根据权利要求1所述的一种基于改进yolov5模型的绝缘子缺陷识别方法，其特征在于，所述在涉及到特征图输出的csplayer中引入自注意力机制，方法如下：

4.根据权利要求1所述的一种基于改进yolov5模型的绝缘子缺陷识别方法，其特征在于，将实时采集的绝缘子图像，输入训练好的检测模型中识别是否存在缺陷。

5.一种基于改进yolov5模型的绝缘子缺陷识别系统，其特征在于，包括：

6.根据权利要求5所述的一种基于改进yolov5模型的绝缘子缺陷识别系统，其特征在于，所述利用深度可分离卷积替换原有的普通卷...

【专利技术属性】
技术研发人员：陈永昕，杜镇安，鄂士平，张侃君，黎恒烜，李霄，修连成，叶庞琪，
申请(专利权)人：国网湖北省电力有限公司电力科学研究院，
类型：发明
国别省市：