随着智能电网的发展,基于计算机视觉的航拍绝缘子缺陷检测被广泛应用于电力巡检,针对深度学习模型对绝缘子自爆缺陷检测精度不高和因模型过大而难以部署到无人机等移动端设备的问题,选择YOLOv5s (you only look once version-5s)模型为...随着智能电网的发展,基于计算机视觉的航拍绝缘子缺陷检测被广泛应用于电力巡检,针对深度学习模型对绝缘子自爆缺陷检测精度不高和因模型过大而难以部署到无人机等移动端设备的问题,选择YOLOv5s (you only look once version-5s)模型为基础网络进行改进以提升检测精度,并对改进后网络进行剪枝以轻量化模型。首先,将Si LU激活函数替换为具有更好梯度流的Mish激活函数,以增强网络稳定性;其次,将CBAM (convolutional block attention module)注意力机制融合到主干特征提取网络最后一层,以筛选出更多有用特征;最后,将Transformer编码结构嵌入到C3模块当中,并将YOLOv5s特征融合网络中的C3替换为新的C3TR,以加强高低层网络特征融合能力。对改进后模型采用综合剪枝的方法,分别剪去网络中的冗余通道和卷积核,使模型变得更加轻量化。通过实验验证,在测试集上将所提模型与目前常用模型进行比较,改进后模型检测精度达到97.23%,剪枝后模型大小仅为0.5MB,检测所用时间为1.8ms,浮点运算数为0.61G,能够更好地满足输电线路实时检测的要求。展开更多