基于注意力机制的YOLOv4输电线路故障检测算法

被引：31

作者：

崔江波

侯兴松

机构：

[1] 西安交通大学电信学部

来源：

国外电子测量技术 | 2021年 / 40卷 / 07期

关键词：

输电线路; 故障检测; 注意力机制; YOLOv4; 损失函数;

D O I：

10.19652/j.cnki.femt.2102630

中图分类号：

TP391.41 []; TM75 [线路及杆塔];

学科分类号：

080802 [电力系统及其自动化];

摘要：

为了提高光学图像输电线路故障检测的准确率,提出了一种基于注意力机制的YOLOv4检测算法。为了提升图像故障区域的特征表达能力,因此将注意力机制嵌入到跨阶段局部黑暗网络(CSPDarknet)的每一个跨阶段局部残差连接模块(CSPD)层中的最后一层Shortcut层之后,得到高效通道空间注意力机制(ECSA)结合YOLOv4网络结构。同时,重新设计预设Anchor值,加速网络的训练;再引入质量焦点损失(QFocal Loss)改进损失函数,提高检测精度。采集输电线路覆冰、鸟害、绝缘子缺损和导线散股4类故障,整理形成数据集。在数据集上的实验结果表明,该算法平均准确率均值(mAP)可达95.16%,检测速度为25 fps。

引用

收藏

页码：24 / 29

页数：6

相关论文

共 10 条

[1]

面向铁路货车车号定位的Faster R-CNN卷积神经网络 [J].

张晓丽 ;

董昱 .

电子测量与仪器学报, 2020, 34 (10) :65-73

[2]

基于YOLOv3的电力线关键部件实时检测 [J].

董召杰 .

电子测量技术, 2019, 42 (23) :173-178

[3]

多目标检测和故障识别图像处理方法 [J].

白洁音 ;

赵瑞 ;

谷丰强 ;

王姣 .

高电压技术, 2019, 45 (11) :3504-3511

[4]

基于YOLOv3网络的超宽带雷达生命信号检测 [J].

王小瑞 ;

侯兴松 ;

王生霄 .

国外电子测量技术, 2019, 38 (06) :1-8

[5]

基于改进Faster-RCNN的输电线巡检图像多目标检测及定位 [J].

林刚 ;

王波 ;

彭辉 ;

王晓阳 ;

陈思远 ;

张黎明 .

电力自动化设备, 2019, 39 (05) :213-218

[6]

基于改进Mask RCNN和Kinect的服务机器人物品识别系统 [J].

石杰 ;

周亚丽 ;

张奇志 .

仪器仪表学报, 2019, 40 (04) :216-228

[7]

基于特征金字塔算法的输电线路多尺度目标检测方法 [J].

刘业鹏 ;

吴童桐 ;

贾雪健 ;

翟永杰 .

仪器仪表用户, 2019, 26 (01) :15-18

[8]

深度学习在输电线路中部件识别与缺陷检测的研究 [J].

汤踊 ;

韩军 ;

魏文力 ;

丁建 ;

彭新俊 .

电子测量技术, 2018, 41 (06) :60-65

[9]

A Method of Insulator Faults Detection in Aerial Images for High-Voltage Transmission Lines Inspection [J].

Han, Jiaming ;

Yang, Zhong ;

Zhang, Qiuyan ;

Chen, Cong ;

Li, Hongchen ;

Lai, Shangxiang ;

Hu, Guoxiong ;

Xu, Changliang ;

Xu, Hao ;

Wang, Di ;

Chen, Rui .

APPLIED SCIENCES-BASEL, 2019, 9 (10)

[10]

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks [J].

Ren, Shaoqing ;

He, Kaiming ;

Girshick, Ross ;

Sun, Jian .

IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, 2017, 39 (06) :1137-1149