基于YOLOv4的输电线路外破隐患识别算法

• 作者: 田二胜 李春蕾 朱国栋 粟忠来 张小明 徐晓光
• 来源期刊: 计算机系统应用
• 关键词: YOLOv4 残差网络 K-means SPP算法
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 软件技术·算法|Software Technique · Algorithm
• 页码范围: 190-196
• 页数: 7页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.008082

摘要

针对人工巡检及传统视频监测方式不能及时识别输电线路外破隐患的问题, 本文提出基于YOLOv4的输电线路外破隐患识别算法. 该算法采用改进K-means算法对图片样本集目标的大小进行聚类分析, 筛选出符合检测目标特征的锚框, 之后利用CSPDarknet-53残差网络提取图片深层次网络特征数据, 并采用SPP算法对特征图进行处理增加感受野, 提取更高层次的语义特征. 最后结合实际的输电线路现场监控图片, 测试结果表明该算法能够及时准确检测到外破隐患.