基于FG-YOLOv7-tiny算法的耐张线夹X光图像压接缺陷检测
杨宇1
高林1
唐永欣2
王志1
廖明艳3
1.湖北民族大学 智能科学与工程学院,湖北 恩施 4450002.重庆工商大学 数学与统计学院,重庆 4000003.恩施州生产力促进中心,湖北 恩施 445000
摘要：为保证输电线路的安全可靠运行,电力巡检的重要任务是耐张线夹压接缺陷检测.为此,提出了快速幽灵YOLOv7-tiny(faster neural networks ghost convolution-you only look once version 7-tiny,FG-YOLOv7-tiny)算法进行耐张线夹压接缺陷检测.首先,构建包含 5 类常见压接缺陷的耐张线夹X光图像数据集;其次,使用快速神经网络(faster neural networks,FasterNet)替代YOLOv7-tiny的高效聚合网络(efficient layer aggregation networks,ELAN)以减小模型大小;最后,使用幽灵空间金字塔池化交叉阶段部分连接网络(ghost spatial pyramid pooling cross stage partial connection networks,GhostSPPCSPC)替换YOLOv7-tiny使用的空间金字塔池化交叉阶段部分连接网络以提升检测精度.实验结果表明,FG-YOLOv7-tiny算法的精度、平均精度均值分别达到 91.30%、94.28%,相比于原始YOLOv7-tiny算法分别提升了 3.99%、1.59%;模型大小为 22.25 MB;检测速度达到 172.41 帧/s,能满足实时检测的要求.因此,FG-YOLOv7-tiny算法提升了检测精度,可实现耐张线夹压接缺陷的有效检测,并满足边缘设备部署的要求.
关键词：YOLOv7-tiny快速神经网络耐张线夹缺陷检测X光图像
分类号：TP183(自动化基础理论)
资助基金：国家自然科学基金(61562025)国家自然科学基金(61962019)湖北省高等学校省级教学研究项目(2017387)
论文发表日期：2024-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 51-58 )
英文信息