文摘高压输电线路及杆塔常因自然条件、人为活动等因素影响,频繁产生大面积跳闸事件,损失极大,尤其因外力破坏为重。外力破坏的偶发性和不可预测性,造成运维成本增加、可靠性不高等问题。本文基于YOLOV5算法,利用CARAFE(Content-Aware ReAssembly of FEatures)改进上采样过程,使用SENet(Squeeze-and-Excitation Network)注意力机制重构原网络的CSP模块,并在自建的输电线塔数据集上进行模型的训练和测试。结果表明:改进的CARAFE-SE-YOLOV5模型比传统YOLOV5模型达到了更高检测精度,对人、汽车、工程车辆的识别准确率高达92%、96%、88%。