基于改进YOLOv5的输电线绝缘子缺陷检测算法应用

作     者：黄鸿烈 

作者单位：东北农业大学 

学位级别：硕士

导师姓名：董守田;乔德才

授予年度：2023年

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 080203[工学-机械设计及理论] 0805[工学-材料科学与工程（可授工学、理学学位）] 080502[工学-材料学] 0802[工学-机械工程] 

主      题：绝缘子 电力巡检 缺陷检测 改进YOLOv5算法 

摘      要：随着社会用电需求不断增大,输电线路长度逐年增加。定期对输电线路巡检,确保其正常工作对电力系统的平稳运行意义重大。绝缘子作为架空输电线路的重要组成部分,承担着电气绝缘与机械支撑的关键作用。无人机作为新兴的电力巡检方式,正逐步代替传统效率低下的人工巡检。针对无人机巡检时拍摄的大量图片,运用深度学习目标检测算法进行绝缘子缺陷检测,可以提高巡检作业效率。本文以无人机航拍绝缘子图像为研究对象,开展绝缘子缺陷检测方法研究,主要的研究内容如下:首先,本文构建了由无人机拍摄与开源网站获取的绝缘子图像作为实验所用的数据集,并对其进行旋转、翻转、增加噪声等预处理操作,增强算法的泛化能力。其次分析YOLOv5算法与其他常用目标检测算法的实验结果,YOLOv5算法对绝缘子缺陷的检测效果更好,在此基础上选用模型更小、速度更快的YOLOv5s进行改进。针对绝缘子破损缺陷检测精度较低的问题,将YOLOv5s主干网络的C3模块改进为Rep Insulator模块,在提高绝缘子缺陷检测精度的同时提升检测速度。针对复杂背景与绝缘子目标相似度较高,容易造成漏检和误检的问题,引入改进的双流注意力机制BSC,并添加在检测头之前。针对同一图像中同时存在绝缘子串与绝缘子缺陷的多尺度目标检测效果不佳问题,将YOLOv5s的特征融合层改进为Bi-FPN结构,提高算法对全局多尺度目标的检测精度。最后将三点改进方法融合在一起,通过分析实验结果与绝缘子缺陷的检测效果验证本文改进方法的有效性。实验结果表明,应用本文改进后的YOLOv5s-Rep Insulator+BSC+Bi FPN算法与改进前进行对比,检测绝缘子自爆缺陷的平均精度值为96.7%,提高了0.7%;检测绝缘子破损缺陷的平均精度值为93.9%,提高了7.7%;检测完整绝缘子的平均精度值为97.8%,提高了0.2%。综合检测三者目标的平均精度均值为96.1%,比改进前的算法提高了2.8%,在本实验平台上的检测速度为147.1帧/秒,比改进前提高了13.3%,达到绝缘子缺陷检测的任务要求。