电力科学与技术学报2023，Vol.38Issue(5) ：169-176.DOI:10.19781/j.issn.1673-9140.2023.05.017

基于改进YOLOv4的架空线路电力设备故障检测

Fault detection for overhead line power equipment based on improved YOLOv4

彭曙蓉 刘登港 何洁妮 陆双 苏盛 贺鸣
电力科学与技术学报2023，Vol.38Issue(5) ：169-176.DOI:10.19781/j.issn.1673-9140.2023.05.017
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于改进YOLOv4的架空线路电力设备故障检测

Fault detection for overhead line power equipment based on improved YOLOv4

彭曙蓉 1刘登港 1何洁妮 1陆双 1苏盛 1贺鸣2
扫码查看

作者信息

  • 1. 长沙理工大学电气与信息工程学院,湖南长沙 410114
  • 2. 广西电网有限责任公司桂林供电局,广西桂林 541000
  • 折叠

摘要

针对传统目标检测算法检测精度低、速度慢的问题,提出一种改进YOLOv4的目标检测模型,对架空线路中的电杆、变压器、电杆倾斜以及绝缘子跌落4类常见的电力设备及故障进行检测.模型采用针对嵌入式平台设计的MobileNet代替原YOLOv4中的骨干网络,使模型轻量化,为进一步降低模型的运算复杂度,在其颈部网络引入深度可分离卷积,同时为了加强卷积神经网络的学习能力,在颈部网络中使用了跨阶段局部网络(cross stage partial networks,CSPNet)结构.利用改进后的模型对架空线路图像数据集进行实验,实验结果表明,该模型能够在检测精度相当的情况下将检测速度提升为原模型的1.68倍,能够更好地应用到嵌入式设备上,利用无人机实现对架空线路中常见的电力设备及故障进行实时的检测.

关键词

故障检测/架空线路/MobileNet/YOLOv4/深度可分离卷积

Key words

fault detection/overhead line/MobileNet/YOLOv4/depthwise separable convolution

引用本文复制引用

基金项目

国家自然科学基金(51777015)

湖南省教育厅重点项目(20A021)

出版年

2023
电力科学与技术学报
长沙理工大学

电力科学与技术学报

CSTPCDCSCD北大核心
影响因子：0.85
ISSN：1673-9140
被引量2
参考文献量9
段落导航相关论文