基于改进YOLOv5s的两种输电杆塔缺陷检测研究

国内的电力事业发展迅速,输电杆塔的缺陷检测与修复是保证电网安全运行的关键技术手段。当前主要是人为识别输电杆塔的缺陷,工作负担巨大。故以YOLOv5s网络为基础,提出一种改进YOLOv5s目标检测算法,提升检测效率。在基础模型上引入Focal-EIoU损失函数,提升模型收敛速度与精度;在卷积层引入Hardswish激活函数,提高模型的表达能力,查准率得到提升;上调算法推理的置信度阈值conf-thres,减少模型推理的误检情况,提升模型正检率。另外在研究中尝试融入注意力机制提升网络特征提取能力,但效果不好,故舍弃此改进策略。实验结果表明,改进模型的各项指标均获得了提升,查准率由92.96%提升至95.02%,上涨了2.06百分点;查全率由87.36%提升到了87.38%;mAP@.5∶mAP@.5∶.95(0.1∶0.9)由0.644 3提升至0.648 1,上涨了0.38百分点;模型检测速度FPS提高了4.4。

基于单目摄像头的电网设备测距模型

针对电力系统巡检过程中双目测距算法的复杂性,提出了一种基于相机高度和俯仰角的单目测距模型,有效解决了电力系统中的测距问题。同时针对测距应用中相机高度和俯仰角的变化,考虑了影响因素对测距精度的影响,具有良好的可靠性。通过测量相机高度和俯仰角,识别图像中目标物体所在区域,根据相机内参对采集到的图像进行坐标变换,获得目标物体的三维坐标信息,根据测距模型计算出实际距离,通过实验验证了所提方法的正确性和有效性。

融合目标检测的交互式电网设备图像分割算法

图像处理技术在电网中有着十分重要的应用,图像分割是图像处理技术的重要组成部分。本文提出了一种融合目标检测的交互式电网设备图像分割算法,在传统的图像抓取(GrabCut)交互式分割算法的基础上,使用目标检测得到的检测标定框代替用户选择的初始化框,在目标检测算法上采用目前已知开源最快的最轻量的你只看一次(YOLO-Fastest)算法,能克服许多设备算力不足的困难,使得算法的适用性更广。实验结果表明,相较于传统交互式分割算法,本算法执行时间更短,交互次数更少,具有很好的稳定性。