一种瓷支柱绝缘子红外图像目标检测算法

利用红外热像法检测瓷支柱绝缘子是否存在异常发热,是变电站支柱绝缘子故障诊断的主要方法之一.结合计算机视觉技术提出了一种针对瓷支柱绝缘子红外图像的轻量级目标检测模型.首先,在深度可分离卷积中加入膨胀卷积核,有效增大输出单元的感受野,减少参数量.然后,使用得到的D-Mobilenet网络结构替换YOLOv7中的主干网络ELANCSP,并采用SJS(剪切、抖动、缩放)方法扩充样本数量,同时引入迁移学习、Mosaic数据增强、余弦退火等算法提高模型泛化能力.最后,将该模型与YO-LOv4、YOLOv5、YOLOv7、G-Adaboost目标检测算法进行了性能对比.实验结果表明,该模型在保证准确率和速度...

Full description

Saved in:
Bibliographic Details
Published in浙江电力 Vol. 42; no. 11; pp. 78 - 85
Main Authors 周阳洋, 胡俊华, 徐华, 尹骏刚, 李庆明, 吴慧玲
Format Journal Article
LanguageChinese
Published 国网浙江省电力有限公司,杭州 310007%湖南大学 电气与信息工程学院,长沙 410082%湖南湖大华龙电气与信息技术有限公司,长沙 410205 25.11.2023
Subjects
infrared image
瓷支柱绝缘子
target detection
YOLOv7
目标检测
porcelain post insulator
轻量化网络
lightweight network
红外图像
Online AccessGet full text

Cover

More Information
Summary:利用红外热像法检测瓷支柱绝缘子是否存在异常发热,是变电站支柱绝缘子故障诊断的主要方法之一.结合计算机视觉技术提出了一种针对瓷支柱绝缘子红外图像的轻量级目标检测模型.首先,在深度可分离卷积中加入膨胀卷积核,有效增大输出单元的感受野,减少参数量.然后,使用得到的D-Mobilenet网络结构替换YOLOv7中的主干网络ELANCSP,并采用SJS(剪切、抖动、缩放)方法扩充样本数量,同时引入迁移学习、Mosaic数据增强、余弦退火等算法提高模型泛化能力.最后,将该模型与YO-LOv4、YOLOv5、YOLOv7、G-Adaboost目标检测算法进行了性能对比.实验结果表明,该模型在保证准确率和速度的同时,具有更强的鲁棒性和泛化能力,且模型更轻量化.
ISSN:1007-1881
DOI:10.19585/j.zjdl.202311010