融合定位算法的YOLO-V4模型实现电力杆塔状态评估

针对电网线路在使用中经常出现断杆、倒杆现象,而现有的技术性检测方式已不能满足要求的问题,给出了一种新的电力杆塔状态评估方法,并建立了改善的YOLO-V4模型,以实现电力杆塔的状态精准定位。CSPDarknet-53模型试验说明,该方法能精准定位电力杆塔故障点,偏差小。

改进型YOLO-V4模型的电力杆塔状态评估探索

针对电网线路存在倒杆、断杆现象以及现有技术巡检方式落后的问题,提出一种新型的电力杆塔状态评估方法,构建出能够实现电力杆塔位置定位的评估方法,并引入电力杆塔检测的YOLO-V4模型深度学习算法,该算法模型包括53个卷积层,具有大量的3*3、1*1的卷积核,该算法还具有Darknet-53特征提取网络、多尺度融合特征网等,通过评价函数对所应用的YOLO-V4目标检测网络的损失进行检测。试验表明,YOLO-V4模型深度学习算法引入GIoU指标后,相比普通状况平均精度(AP)从97.12%提高到98.94%,准确率(Precision)从94.5%提高至95.6%,召回率(Recall)从97.5%提高至99.2%。