基于改进YOLOv5s的电网异物检测算法

针对电网及沿线异物检测中存在的异物尺度变化、实时性低以及复杂环境下识别精度不足等问题,提出1种基于改进YOLOv5s框架的电网异物检测算法。该方法在主干网络中嵌入ECA注意力机制以减轻背景干扰;同时,采用SPD-Conv模块替换主干网络的卷积模块,引入改进的BiFPN,增强模型对于不同尺寸目标的检测能力。最后,采用Alpha_GIoU损失函数替代原始YOLOv5s中的CIoU部分。经过实验验证,改进YOLOv5s在电网异物检测数据集上mAP的值达到96.98%,能够满足复杂环境下电网异物检测的高效率和高精度要求。