基于TR-YOLOv5的输电线路多类缺陷目标检测方法

作     者：郝帅 赵新生 马旭 张旭 何田 侯李祥 HAO Shuai;ZHAO Xin-sheng;MA Xu;ZHANG Xu;HE Tian;HOU Li-xiang

作者机构：西安科技大学电气与控制工程学院陕西西安710054 

出 版 物：《图学学报》 (Journal of Graphics)

年 卷 期：2023年第44卷第4期

页      面：667-676页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(51804250) 中国博士后科学基金项目(2019M653874,2020M683522) 陕西省科技计划项目(2021JQ-572,2020JQ-757) 陕西省教育厅科研计划项目(18JK0512,17JK0503) 西安市碑林区科技计划项目(GX2116) 

主　　题：YOLOv5 输电线路缺陷检测 空洞卷积 Transformer 感受野模块 损失函数 

摘      要：针对复杂环境中输电线路多类缺陷目标的多尺度检测问题,提出一种基于Transformer和感受野模块的YOLOv5输电线路多类缺陷目标检测算法,简记为TR-YOLOv5。首先,搭建了YOLOv5网络,针对复杂背景造成缺陷目标的显著性低,进而影响检测精度的问题,在Backbone部分引入Transformer模块,通过利用多头注意力结构获取特征图像素点间的相关性和全局信息,增强缺陷目标的特征表达能力,从而提升模型检测精度;其次,由于待检测目标受多尺度影响,在Neck部分引入感受野模块提取目标不同尺度的特征,利用空洞卷积增大感受野,为后续PANet结构保留更细致的特征,增强Neck特征融合能力,提高模型对多尺度缺陷目标的检测精度;然后,为了提升预测边框回归精度,引入CIOU函数,进一步提高算法检测精度;最后,利用某电力巡检部门近3年的数据对该算法进行验证。实验结果表明,相比于7种对比算法,本文算法具有较高检测精度的同时具有较好的实时性,其平均检测精度可达95.6%,1280×720分辨率的巡检图像检测速度为125帧/秒。