基于ER-YOLO算法的跨环境输电线路缺陷识别方法

作     者：裴少通 张行远 胡晨龙 杨文杰 刘云鹏 Pei Shaotong;Zhang Hangyuan;Hu Chenlong;Yang Wenjie;Liu Yunpeng

作者机构：河北省输变电设备安全防御重点实验室(华北电力大学)保定071003 

出 版 物：《电工技术学报》 (Transactions of China Electrotechnical Society)

年 卷 期：2024年第39卷第9期

页      面：2825-2840页

核心收录：

学科分类：0710[理学-生物学] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 081203[工学-计算机应用技术] 0714[理学-统计学（可授理学、经济学学位）] 0802[工学-机械工程] 0835[工学-软件工程] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：中央高校基本科研业务费资助项目(2020MS093) 

主　　题：输电线路 缺陷检测 深度学习 数据集生成 

摘      要：为提高输电线路缺陷智能检测算法在不同环境条件下的鲁棒性,克服现有智能检测算法在不同环境下识别性能下降的问题,该文提出了跨环境鲁棒YOLO(ER-YOLO)算法。首先,基于广义注意力理论在YOLOv8的骨干网络中引入Transformer注意力机制;其次,使用大卷积核和通道注意力模块优化特征提取;最后,应用多重注意力机制检测头网络强化算法多尺度、空间位置和多任务感知能力。为获得测试数据,该文探索生成了模拟暗光、雾霾、模糊环境的虚拟数据集。经消融实验和对比分析,跨环境鲁棒YOLO算法在跨环境测试中展现了更高的缺陷识别精度和鲁棒性,各测试数据集下mAP平均值为0.726,相对改进前提升0.069,同时在实际环境下进行了验证,证明了该算法的有效性。该文提出的跨拍摄环境的输电线路缺陷识别方法,在跨环境识别中表现出卓越的性能。跨环境图像生成方法可为后续虚拟数据集生成技术提供借鉴。