一种EO-YOLOX输电线绝缘子检测方法

为了保证电力系统的安全运行,使用无人机巡检技术对高压绝缘子进行日常检查是必要的。然而,受到电力线磁场和飞行安全的影响,图像数据中绝缘子像素表征减少,进而导致绝缘子检测的准确性降低。针对上述问题,提出了一种有效优化YOLOX(Efficient Optimization YOLOX,EO-YOLOX)检测模型。该模型首先利用空洞卷积(Atrous Convolution)的思想,提出了空洞空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)模块,消除图像中的无关信息,提高了网络识别感兴趣区域的能力。其次,在特征融合阶段加入了注意特征融合(Attentione Feature Fusion,AFF)模块,通过向融合特征图中补充深层语义和浅层细节信息,提高了检测绝缘子的准确性。最后,针对传统损失函数不能准确反映两个边界框之间距离的问题,提出了一种优化损失函数,以更准确地评估边界框的质量。将该算法在绝缘子数据集上进行了实验和测试,结果表明,与传统的YOLOX方法相比,该算法在识别绝缘子方面表现优异,mAP值提高了约2.59%。该模型的实时处理效率高达41.21帧每秒,有效解决了绝缘子检测难题。