基于RID-YOLOv7的雨天场景绝缘子缺陷检测模型
齐浩宇1
谭爱国1
梁会军1
钟建伟1
杨永超1
陈文涛2
1.湖北民族大学 智能科学与工程学院,湖北 恩施 4450002.国网湖北省电力有限公司恩施供电公司,湖北 恩施 445000
摘要：针对现有输电线路绝缘子缺陷检测模型在雨天复杂场景下识别效果差、推理速度慢等问题,在YOLOv7-tiny(you only look once version 7-tiny)的基础上提出了RID-YOLOv7(rain insulator detection-YOLOv7)轻量级雨天场景绝缘子缺陷检测模型.首先探索了坐标注意力机制(coordinate attention,CA)在主干特征提取网络中的最优嵌入位置,提升了模型对目标位置关键特征的提取能力;然后在颈部特征融合网络中引入了幻影混洗卷积(ghost shuffle convolution,GSConv)和幻影混洗跨级部分矢量化旋涡(vortex of vectorized ghost shuffle cross stage partial,VoV-GSCSP),大幅降低了推理时间;最后使用了明智交并比(wise intersection over union,WIoU)优化边界框定位损失函数,提高了模型收敛效率.结果表明,与原始YOLOv7-tiny相比,RID-YOLOv7 模型的精确率、召回率和平均精确率均值分别提升了 2.41%、5.44%和 3.22%,推理速度为 88.7 帧/s,有效平衡了检测速度和精度.该模型适合对雨天场景下输电线路绝缘子缺陷进行实时检测.
关键词：绝缘子缺陷检测雨天场景轻量化坐标注意力机制损失函数深度学习
分类号：TP391(计算技术、计算机技术)TP389(计算技术、计算机技术)
资助基金：国家自然科学基金(62163013)湖北省重点研发计划项目(2023BAB120)
论文发表日期：2024-06-20
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( 233-240 )
英文信息