首页|一种改进型YOLOv4输电线路防外破检测方法

一种改进型YOLOv4输电线路防外破检测方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
输电线路场景图像易受野外多种环境干扰,当前主流的深度学习网络模型难于满足输电线路防外破检测模型的边缘部署实时性和精度要求.该文提出了一种融合残差学习的YOLOv4 输电线路防外破检测方法.首先采用数据增强技术对所采集的输电线路图像数据集增强,建立了输电线路防外力破坏的图像数据集.其次,考虑到输电线路网络模型便于实际边缘部署配置的需要,对YOLOv4 网络结构进行了改进,基于ResNet50 构建特征提取主干网络.最后引入标签平滑技术对YOLOv4 的分类损失函数进行了优化以减缓过拟合问题,提高了网络模型的检测精度.用实际采集的输电线路图像构成的数据集进行了测试,实验结果表明该文所提出的方法在运算速度和检测准确度上均优于其他方法.
An External Damage Detection Method of Transmission Lines Based on Improved YOLOv4

transmission lineexternal damage detectiondeep learningresidual blockclassification loss function

董卓元、高永亮、袁斌、姚新宇、张军强、曾健、邸宏宇、赵泽宇、周鹏杰

展开 >

国网陕西省电力有限公司经济技术研究院,陕西西安 710075

西安交通大学计算机学院,陕西西安 710049

输电线路 防外破检测 深度学习 残差结构 分类损失函数

国网陕西省电力有限公司科技项目陕西省2021年省重点研发专项项目Key R&D Program of Shaanxi Province of 2021

5226JY2200095226JY2200092021LLRH-06-02-03

2023

电网与清洁能源
西北电网有限公司　西安理工大学水电土木建筑研究设计院

电网与清洁能源

CSTPCDCSCD北大核心
影响因子：1.122
ISSN：1674-3814
年,卷(期)：2023.39(6)
  • 3
  • 18