改进型YOLO-V4模型的电力杆塔状态评估探索

• 作者: 张宝星 毕明利 张壮领
• 来源期刊: 信息技术
• 关键词: 电网线路 状态评估 YOLO-V4模型 Darknet-53特征 目标检测
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 基金项目|FUND PROJECT
• 页码范围: 81-86,91
• 页数: 7页
• 分类号: TM73
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2021.08.015

摘要

针对电网线路存在倒杆、断杆现象以及现有技术巡检方式落后的问题,提出一种新型的电力杆塔状态评估方法,构建出能够实现电力杆塔位置定位的评估方法,并引入电力杆塔检测的YOLO-V4模型深度学习算法,该算法模型包括53个卷积层,具有大量的3?3、1?1的卷积核,该算法还具有Darknet-53特征提取网络、多尺度融合特征网等,通过评价函数对所应用的YOLO-V4目标检测网络的损失进行检测.试验表明,YOLO-V4模型深度学习算法引入GIoU指标后,相比普通状况平均精度(AP)从97.12％提高到98.94％,准确率(Precision)从94.5％提高至95.6％,召回率(Recall)从97.5％提高至99.2％.