检索结果-南通市图书馆

融合多尺度特征的轻量级YOLOv7绝缘子缺陷检测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电瓷避雷器 2023年第6期 187-195页

作者：党宏社许勃张选德陕西科技大学电气与控制工程学院西安710021

针对目前绝缘子缺陷检测算法检测精度与速度不平衡以及对小目标绝缘子缺陷检测效果不佳等问题,提出一种融合多尺度特征的轻量级YOLOv7绝缘子缺陷检测算法。以YOLOv7为基础框架,使用CA-GhostNet作为主干网络;将头部预测网络中的残差卷积... 详细信息

针对目前绝缘子缺陷检测算法检测精度与速度不平衡以及对小目标绝缘子缺陷检测效果不佳等问题,提出一种融合多尺度特征的轻量级YOLOv7绝缘子缺陷检测算法。以YOLOv7为基础框架,使用CA-GhostNet作为主干网络;将头部预测网络中的残差卷积替换为深度可分离卷积;在颈部网络设计Light-SPPCSPC特征提取模块;在特征金字塔部分将不同尺度的特征图融合。实验结果表明,所提算法实现了精度与速度的平衡,降低了绝缘子缺陷的漏检率。

关键词：绝缘子缺陷轻量化空间金字塔多尺度特征融合

在线全文

学校读者我要写书评

暂无评论

融合迁移学习的绝缘子缺陷分级检测方法

电子测量技术 2023年第6期46卷 23-30页

作者：翟永杰胡哲东白云山孙圆圆华北电力大学自动化系保定071003

针对Faster R-CNN算法对复杂环境下的小样本绝缘子缺陷检测精度不高的问题,本文提出了一种融合迁移学习和主体局部的绝缘子缺陷分级检测方法。整个方法使用融合残差模块和特征金字塔结构的卷积神经网络作为骨干网络进行特征提取,用于适... 详细信息

针对Faster R-CNN算法对复杂环境下的小样本绝缘子缺陷检测精度不高的问题,本文提出了一种融合迁移学习和主体局部的绝缘子缺陷分级检测方法。整个方法使用融合残差模块和特征金字塔结构的卷积神经网络作为骨干网络进行特征提取,用于适应不同尺度的缺陷目标,保留更多有效信息。首先使用迁移学习的方法改善对缺陷所在绝缘子主体的检测效果;然后对检测出的绝缘子主体进行自动裁剪来改善复杂背景对缺陷区域检测的影响,使得模型能够更有效地挖掘出缺陷特征;最后将裁剪后的缺陷绝缘子局部图像送入第二阶段进行训练,进一步提高模型准确率。通过对无人机航拍采集的绝缘子缺陷图像进行检测实验。结果表明,本文方法相较于Faster R-CNN基线模型平均精度提高了37.5%,达到了89.6%。在对自爆和破损检测上,精度分别提高了34.9%和60.2%。

关键词：迁移学习主体局部绝缘子缺陷小样本目标检测

在线全文

学校读者我要写书评

暂无评论

基于深度学习的电气绝缘子缺陷检测研究

基于深度学习的电气绝缘子缺陷检测研究

作者：昝伟东内蒙古工业大学

学位级别：硕士

绝缘子作为输电线路的重要部件,在高压输电线路中起着电力绝缘和支撑电缆的功能,其健康状态直接影响着整个输电线路的安全运行,因此,绝缘子的定期检查和维护工作,对于保障高压输电线路安全稳定运行极其重要。然而电力线绝缘子缺陷识别... 详细信息

绝缘子作为输电线路的重要部件,在高压输电线路中起着电力绝缘和支撑电缆的功能,其健康状态直接影响着整个输电线路的安全运行,因此,绝缘子的定期检查和维护工作,对于保障高压输电线路安全稳定运行极其重要。然而电力线绝缘子缺陷识别通常存在背景复杂、缺陷目标尺寸小、缺陷特征不明显等问题。基于图像处理、图像分析和模式分类的传统识别方法在解决上述问题上有很多局限性。近些年来,利用深度学习算法自动检测电力线路绝缘子缺陷,正逐步代替传统的人工巡检和识别方式,逐渐成为一种新兴的电力线路绝缘子自动巡检方式。本文主要研究工作如下:(1)数据集制作及扩充:首先,通过图像标注工具Label Img对绝缘子和绝缘子缺陷进行打标签,然后,将标注好的PASCAL VOC格式数据集转换成YOLO网络可训练的标签类型。最后,针对绝缘子缺陷样本少、无故障绝缘子和绝缘子缺陷样本不均衡的情况,利用Python中的Imgaug库实现对图像进行仿射变换、颜色变换、填加噪声等处理,对数据集进行增强处理,以提高模型的泛化能力。(2)绝缘子缺陷离线识别系统设计:通过Paddle Paddle框架下的PPYOLO网络来训练得到一个较好的绝缘子缺陷检测模型,然后对该模型进行本地服务化部署,以实现无人机采集的绝缘子缺陷的离线检测。(3)绝缘子缺陷在线识别系统设计:提出一种基于改进轻量级YOLOv4-tiny的绝缘子缺陷检测算法。首先,主干特征提取网络的CBL(Conv-BN-Leaky Relu)模块被替换为Mobilevit模块,以增强主干网络的特征提取能力。其次,引入注意力机制(Coordinate Attention,CA)以提高网络更多的关注缺陷所在位置信息。最后,用EIOU(Efficient Intersection Over Union)损失函数替代原CIOU损失函数,以提高网络收敛速度。为验证所提出算法的有效性,将改进算法与主流的Faster-RCNN算法、SSD算法、YOLOv3算法和YOLOv4-tiny算法进行比较。实验结果表明:所提出算法在检测精度上优于上述算法。与传统的YOLOv4-tiny算法相比,提出的改进的算法在平均值精度(m AP)方面提高1.64%;在缺失绝缘子缺陷的平均精度(AP)方面提高0.32%;在破损绝缘子缺陷的平均精度(AP)方面提高4.96%。最后将该改进网络模型部署在Nvidia Jetson AGX上,以实现绝缘子缺陷实时在线检测功能。

关键词：绝缘子缺陷深度学习网络模型部署改进YOLOv4-tiny网络

基于输电线路无人机巡检的绝缘子缺陷识别技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于输电线路无人机巡检的绝缘子缺陷识别技术研究

作者：李铭中国矿业大学

学位级别：硕士

近年来,随着中国经济快速发展,各行业对电力的需求日益增长,电力系统中不可避免地出现了长距离电力输送,这使得电力系统的输电线路规模不断增大。绝缘子是输变电系统的重要组成部分,起着支撑、绝缘等作用。由于绝缘子处于荒野环境中,受... 详细信息

近年来,随着中国经济快速发展,各行业对电力的需求日益增长,电力系统中不可避免地出现了长距离电力输送,这使得电力系统的输电线路规模不断增大。绝缘子是输变电系统的重要组成部分,起着支撑、绝缘等作用。由于绝缘子处于荒野环境中,受到日晒雨淋、风雪温度变化等因素的影响,加之高压环境的影响,随着运行时间的延长,绝缘子极易发生爆裂等故障,若得不到及时更换,将严重影响线路的安全运行,所以利用无人机采集的绝缘子图像信息进行绝缘子缺陷识别具有重要的工程意义。因此,研究的主要内容如下:本文首先通过对国内外自动化巡检、图像处理、图像识别等方面的研究现状进行调研,总结现有研究中存在的不足;其次,针对输电线无人机巡检时所采集到的绝缘子缺陷图像特征,分别从图像预处理、图像识别等方面展开研究;最后,针对无人机巡检输电线路实际需求,完成无人机巡检系统的相关设计。在图像预处理阶段,为了解决训练样本不足的问题,利用数据增强技术对训练样本进行了扩充。针对复杂多变的外部环境扰动,研究图像增强与分割算法,利用色彩、亮度、对比度、几何变换等方法对绝缘子缺陷图像进行预处理,提高图像质量,保证基础数据的准确性与有效性,提高检测模型对图像的分析与理解能力。在缺陷识别阶段,采用轻量化改进YOLOv5模型对绝缘子及其缺陷进行识别,从而检测出异常的绝缘子。首先针对不同的轻量化网络PP-LCNet和Ghost Net网络,经对比试验得出Ghost网络识别效果更好,因此选用Ghost Net网络重构原始YOLOv5,实现模型参数缩减,提高终端识别效率;在网络头部引入CA注意力机制,进一步提升模型对小目标的提取能力;最后将特征融合网络改进为增强EPANet。改进后的轻量化网络与原YOLOv5相比,m AP提升1.1%,模型量压缩34.9%,FPS得到极大提升,满足无人机等设备的绝缘子缺陷识别需求。无人机巡检系统的设计阶段,无人机飞行控制部分,选用STM32F103C8T6作为主处理器,对其遥控模块、传感器模块、串口模块等进行了设计。图像处理部分,设计了以Hi3519V101芯片为核心的拍摄与处理模块,并对相机及其传感器进行了选型。利用上述无人机巡检系统完成了某供电公司800余电力杆塔的巡检,并测试验证了其拍摄与识别性能。

关键词：无人机 YOLO 轻量化绝缘子缺陷目标识别

基于多特征增强与改进YOLOv5的绝缘子自爆缺陷检测算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多特征增强与改进YOLOv5的绝缘子自爆缺陷检测算法研究

作者：蒋东东长安大学

学位级别：硕士

随着电网的智能化发展,部件故障的检测也越来越多的依赖于计算机、网络和人工智能技术。在电力传输系统中,线路连接部件的故障会导致电网大面积瘫痪,因此其故障诊断精确性和维护更换的及时性非常有必要。传输线路中的绝缘子等部件,因其... 详细信息

随着电网的智能化发展,部件故障的检测也越来越多的依赖于计算机、网络和人工智能技术。在电力传输系统中,线路连接部件的故障会导致电网大面积瘫痪,因此其故障诊断精确性和维护更换的及时性非常有必要。传输线路中的绝缘子等部件,因其所处环境背景复杂和天气影响等各种因素经常会导致根据其采集图像进行故障检测的失误率较高。为此,文章提出对图像数据优化,进一步考虑采集时的实际环境,并利用深度神经网络对其缺陷检测,主要工作及结论如下:(1)提出了一种改进自动色彩均衡算法。针对原数据集图像背景复杂存在噪声且分辨率不高等问题,重点研究了图像降噪与图像增强算法。首先通过对比多种降噪算法,发现利用快匹配3D滤波算法降噪效果最佳,但其算法复杂耗时。最终采用深度学习预训练权重Noise2Noise对图像进行批量降噪处理。其次利用优化后的自动色彩均衡算法,其在原始算法基础上引入对数变换、白平衡、特征金字塔等算法,以提高算法运行速度,并取得良好的实验结果。(2)提出了mosaic数据增强算法与图像加雾算法。针对训练数据不足问题,采用大气光模型对图像进行加雾处理,在扩充数据的同时,使其更符合实际采集绝缘子图像所存在的环境。最后,构建了特征点检测,图像分割算法以及形态学处理,针对绝缘子自爆缺陷对图像特征进行了分析和定位。(3)提出一种轻量型改进YOLOv5算法。针对数据集正负样本不均衡问题,利用电力视觉技术,首先通过引入EIOU策略缓解样本不均衡问题。其次,提出了相应的改进网络结构,其中引入轻量级Ghost Net模块和NAM(Normalization-based Attention Module)注意力机制,使得在保证精确度接近的情况下,模型参数量大幅减少。最终在绝缘子检测和自爆缺陷检测方面分别达到97.9%和96.5%的最后m AP结果,相比于其他模型得到了更好的检测效果。

关键词：绝缘子缺陷自动色彩均衡数据增强 YOLOv5 注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电力绝缘子缺陷的图像检测与评价方法研究

电力绝缘子缺陷的图像检测与评价方法研究

作者：田浩重庆邮电大学

学位级别：硕士

随着我国经济迅猛发展,电力资源需求日益增加。然绝缘子作为输电线路中的核心组件,其正常运行直接关系到电网的安全运行。考虑到绝缘子运行环境较为复杂,对绝缘子日常监测和维护较为困难。因此,绝缘子图像识别及其检测方法能够为绝缘子... 详细信息

随着我国经济迅猛发展,电力资源需求日益增加。然绝缘子作为输电线路中的核心组件,其正常运行直接关系到电网的安全运行。考虑到绝缘子运行环境较为复杂,对绝缘子日常监测和维护较为困难。因此,绝缘子图像识别及其检测方法能够为绝缘子缺陷诊断提供新思路,及时发现并处理绝缘子缺陷问题对电力输电线路的稳定运行具有重要意义。本文以绝缘子自爆缺陷为研究对象,基于传统图像检测和深度学习相结合方法建立起绝缘子缺陷的图像识别和诊断方法。首先,采用传统的方法对绝缘子缺陷的图像进行色彩空间分析,增大感兴趣区域和背景区域的提取。其次,对绝缘子缺陷的图像平滑预处理,通过不同的平滑滤波算法分析出适应于绝缘子缺陷的图像方法。接着采用大津算法、区域生长、以及二者相结合的算法来实现对绝缘子缺陷的分割,并根据定量分析来对比本文算法在对绝缘子缺陷图像分割的优势。最后遵循图像形态学的处理来定位分割后绝缘子以及绝缘子缺陷所在的位置,从而实现对绝缘子缺陷的定位。考虑到绝缘子缺陷图像运行环境比较复杂,引入深度学习的方法,首先对现有的数据集进行数据增强。其次,通过YOLOv4即只需查看一次(You Only Look Once v4)算法实现对绝缘子缺陷的图像识别和定位。基于绝缘子图像本身以及缺陷图像正负样本存在不均衡情况,本文在保证检测速度的前提下对YOLOv4模型中损失函数的计算方式进行改进。针对绝缘子与缺陷块中背景的差异、绝缘子和缺陷块的尺寸大小不一,提出了改进交叉熵平衡正负绝缘子图像样本个数,以达到提高绝缘子图像本身以及缺陷识别和定位的可靠性。实验计算结果表明,改进后的方法在绝缘子图像缺陷的检测在精度上比未改进之前的检测结果有着明显提升。基于绝缘子缺陷检测的应用平台对提出的方法、以及当前比较主流的检测框架、以及在不同的数据集样本之间进行定量分析。实验计算结果表明,改进方法对绝缘子图像单张检测时间为3.27s,在检测精度上比原始的YOLOv4算法对绝缘子缺陷识别和定位提升了24.36%。同时改进后的YOLOv4算法在绝缘子本身以及缺陷同时存在情况下m AP即平均精确度值(mean Average Precision)为84.05%,比原始的YOLOv4算法提高了17.83%。在对绝缘子缺陷的图像检测结果发现,其改进后的检测精度为95.89%,比绝缘子本身和缺陷图像存在时提升了9.26%。验证了本文提出的方法对绝缘子检测和缺陷识别有着良好的效果,为输电线路上的绝缘子缺陷检测和分析提供新思路。

关键词：绝缘子缺陷识别和检测绝缘子分割 YOLOv4算法交叉熵

基于YOLO-V4的输电线路绝缘子缺陷检测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于YOLO-V4的输电线路绝缘子缺陷检测研究

作者：翁伟栋福建工程学院

学位级别：硕士

改革开放以来,我国的经济基础建设进入了快车道,同时电力能源的需求量也日益增多,电力能源稳定供应关系着我国各族人民的根本利益。输电线路作为电力输送的唯一媒介,为保证输电网安全、稳定、持续地运行,输电线路需要定期巡检。但不断... 详细信息

改革开放以来,我国的经济基础建设进入了快车道,同时电力能源的需求量也日益增多,电力能源稳定供应关系着我国各族人民的根本利益。输电线路作为电力输送的唯一媒介,为保证输电网安全、稳定、持续地运行,输电线路需要定期巡检。但不断扩大的输电网规模,与传统巡检方式效率受限之间的矛盾逐渐暴露,转变巡检模式势在必行。同时,无人机领域正处于热点研究领域,使得近些年无人机得到快速发展,技术日渐成熟。因此,在这样的背景下,日常巡检方式由传统的“人工巡检”向着“无人机巡检”转变。绝缘子是输电线路的重要部件,无人机对绝缘子缺陷的巡检是工作重点。本文以无人机巡检工作中绝缘子缺陷作为研究对象,针对巡检工作中得到的图像数据,基于YOLO-V4算法作出优化,设计新的网络结构,改进损失函数,提出更适合于绝缘子缺陷检测的DYOLO-V4模型。本文主要研究工作如下:（1）首先,本文进行数据预处理,人工筛选和标注无人机采集的绝缘子图像数据。使用旋转、镜像、镜像旋转方法扩充图像数据集,模拟无人机各角度拍摄的绝缘子图像。使用数据增强技术,高斯滤波器和中值滤波器消除图像采集时产生的噪点。使用双线性插值算法压缩图像为416×416分辨率,更适合于目标检测算法的训练尺寸。（2）其次,分析了目标检测领域其他典型算法,同时构建模型。采用CSPDarknet53作为特征提取网络,PANet作为特征聚合网络,构建了基于YOLO-V4的绝缘子缺陷检测模型。使用绝缘子及其缺陷数据集训练模型。对比YOLO-V4模型与其他典型算法模型的实验结果,分析得出YOLO-V4模型的性能更强。（3）最后,本文为解决检测根据绝缘子缺陷检测图像背景复杂问题,设计了嵌入式EC部件,连接在模型的输出层和特征聚合网络之间,使模型更适合检测任务;根据数据样本不平衡的特点,引入Focal loss置信度损失函数,调节正负样本的学习权重;根据绝缘子实例目标的遮挡现象,采用Mosaic数据增强技术,随机剪裁再任意拼接训练图片,一定程度上增加网络对遮挡绝缘子样本的学习能力。同时,实验验证上述方法的有效性。采用上述改进措施,得到了更适合绝缘子缺陷检测的DYOLO-V4模型。通过DYOLO-V4的消融实验结果和可视化对比,得出本文提出的DYOLO-V4模型m AP达到结果为88.57%,比原YOLO-V4模型m AP上提升了9.42个百分点,推理速度为0.0279 s/张。无人机巡检逐步代替人工巡检将是大势所趋,本文提出的DYOLO-V4模型具有一定的有效性和可行性。在输电线路的无人机巡检工作中,本文方法不仅可以应用于绝缘子,还可以推广到输电线路其他零部件上,从而增加无人机巡检的准确率和效率。

关键词：输电线路无人机巡检绝缘子缺陷目标检测 YOLO-V4算法

基于DMSANet-YOLOv7的雾霾下绝缘子缺陷实时检测方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

无线电工程 2024年第6期54卷 1431-1439页

作者：王海群王康华北理工大学电气工程学院河北唐山063210

针对复杂环境与雾霾天气下绝缘子缺陷过小,传统目标检测算法难以识别造成误检、漏检等情况,提出一种以YOLOv7为基础模型并改进的缺陷检测算法。在图像预处理部分采用暗通道先验去雾算法,提高模型对特征的可分辨性与鲁棒性;为提高模型特... 详细信息

针对复杂环境与雾霾天气下绝缘子缺陷过小,传统目标检测算法难以识别造成误检、漏检等情况,提出一种以YOLOv7为基础模型并改进的缺陷检测算法。在图像预处理部分采用暗通道先验去雾算法,提高模型对特征的可分辨性与鲁棒性;为提高模型特征提取能力和识别小目标能力,在主干网络结构后端引入双重多尺度注意力机制(Dual Multi Scale Attention Network,DMSANet);为减小模型尺寸,提高模型识别速度,采用基于SwinTransformer改进的C3模块替代E-ELAN模块;在预测部分使用Wise-IOU损失函数,提高模型收敛效率。实验结果表明,DMSANet-YOLOv7算法相较于原YOLOv7算法平均准确率、准确率以及召回率分别提高6.3%、7.9%、12.3%,单张图片检测速度达到12.3 ms,参数量为37.7 M。在提高检测精度的同时确保检测速度和性能的平衡,能够更好地搭载至无人机及其他平台,满足绝缘子及其缺陷的实时动态检测需求。

关键词：绝缘子缺陷目标检测注意力机制 YOLOv7 暗通道先验去雾算法

一种基于LSKNet的绝缘子缺陷检测方法研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

通信与信息技术 2024年第1期 49-54页

作者：范美楷方志晏宇刘苈乐黄鹏程钟剑丹成都信息工程大学通信工程学院四川成都610025

目前,电力网络缺陷检测主要通过无人机航拍完成。对当前公开的数据集进行筛选,发现绝缘子的标注误差较大且正负样本失衡;同时,巡检图像中存在许多小尺度和细长类型的目标,使用现有的算法很难达到高精度的检测效果。针对上述问题,通过雾... 详细信息

目前,电力网络缺陷检测主要通过无人机航拍完成。对当前公开的数据集进行筛选,发现绝缘子的标注误差较大且正负样本失衡;同时,巡检图像中存在许多小尺度和细长类型的目标,使用现有的算法很难达到高精度的检测效果。针对上述问题,通过雾化算法构建一个新的数据集,采用大型选择核网络(LSKNet),引入暗通道先验算法,提出针对电力网络缺陷的LSK绝缘子图像去雾算法。实验结果表明,在SFID-PRO数据集上的mAP达到85.90%,其中缺陷绝缘子的召回率达到了99.6%,能够对细长物体和小尺寸物体进行精准的检测。

关键词：小目标检测绝缘子缺陷暗通道先验 LSKNet 深度学习