基于改进YOLOv5的变电站表计缺陷检测算法

作     者：鲍文霞 袁牧 梁栋 王年 杜翔 BAO Wenxia;YUAN Mu;LIANG Dong;WANG Nian;DU Xiang

作者机构：安徽大学电子信息工程学院安徽合肥230601 安徽大学互联网学院安徽合肥230039 

出 版 物：《安徽大学学报（自然科学版）》 (Journal of Anhui University(Natural Science Edition))

年 卷 期：2024年第48卷第1期

页      面：50-56页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家重点研发计划项目(2020YFF0303803) 

主　　题：表计缺陷 YOLOv5 数据增广 注意力机制 损失函数 

摘      要：准确检测变电站中的设备缺陷并及时进行处理是保证电力系统安全运行的重要措施.针对表计缺陷图像背景复杂、目标尺寸不一、外形差别大等问题,提出基于改进YOLOv5(you only look once的第5个版本)的变电站表计缺陷检测算法.为了提高泛化能力、解决训练过程中样本不平衡问题,利用旋转和改变图像亮度的方法进行数据增广.通过引入坐标注意力机制,在聚焦缺陷特征的同时,能突出缺陷特征的差异.为了使边界框回归更快速准确,将EDIOU loss(effective distance intersection over union loss)代替CIOU loos(complete intersection over union loss).实验结果表明:6种算法中,该文算法的准确度、召回率和mAP(mean average preciscion)均最高,分别达85.1%,86.6%,87.3%.因此,该文算法具有优越性.