基于卷积块注意模型的YOLOv3输电线路故障检测方法

• 作者: 郝帅 马瑞泽 赵新生 安倍逸 张旭 马旭
• 来源期刊: 电网技术
• 关键词: 无人机巡检 YOLOv3 注意力机制 深度学习 故障检测
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 面向新一代电力系统和能源互联网的人工智能技术|Artificial Intelligence Technology Application in New Generation Power System and Energy Internet
• 页码范围: 2979-2987
• 页数: 9页
• 分类号: TM721
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2020.0942

摘要

针对航拍巡检图像中待检测目标易受复杂背景和部分遮挡影响而造成传统算法难以准确检测的问题,提出一种基于卷积块注意模型的YOLOv3输电线路故障检测方法.首先,在YOLOv3算法框架中融合卷积块注意模型来提升图像中故障目标区域的显著度;然后,通过引入高斯函数对非极大值抑制方法进行改进,降低存在部分遮挡目标的漏检率;其次,采用Focal Loss改进损失函数来提高检测网络的检测精度;最后,利用某供电局近3年无人机巡检视频制作训练样本和测试样本,并将提出的算法与4种经典目标检测算法进行比较.实验结果表明,相比于4种对比算法,该文算法能够在保证较高检测精度的同时具有较好的实时性.算法的平均检测精度可达94.6％,分辨率为1280?720的图像检测速度为40帧/s.