基于改进YOLOv3的输电线路部件实时检测

卢志博; 徐澄宇; 杨罡; Jude Michael Akotonou; 张兴忠

卢志博,徐澄宇,杨罡,Jude Michael Akotonou,张兴忠.基于改进YOLOv3的输电线路部件实时检测[J].电测与仪表,2023,60(7):138-144.
Lu Zhibo,Xu Chengyu,Yang Gang,Jude Michael Akotonou,Zhang Xinghzong.Real-time detection of transmission line components based on improved YOLOv3[J].Electrical Measurement & Instrumentation,2023,60(7):138-144.

基于改进YOLOv3的输电线路部件实时检测

Real-time detection of transmission line components based on improved YOLOv3

DOI：10.19753/j.issn1001-1390.2023.07.021

中文关键词: 深度学习目标检测输电线路 YOLOv3 轻量化移动端

英文关键词:

基金项目:

作者中文名	作者英文名	单位
卢志博	Lu Zhibo	太原理工大学软件学院
徐澄宇	Xu Chengyu	国网山西省电力公司互联网部
杨罡	Yang Gang	国网山西省电力公司电力科学研究院
Jude Michael Akotonou	Jude Michael Akotonou	太原理工大学软件学院
张兴忠	Zhang Xinghzong	太原理工大学

摘要点击次数: 1056

中文摘要:

针对基于深度学习的目标检测技术应用于工业领域无法在移动端嵌入式设备上实现高效且准确的检测这一问题，提出一种基于YOLOv3改进的输电线路部件实时检测算法轻量级特征融合检测模型LFF-DM(Lightweight Feature Fusion Detection Model)。一方面通过改进式的k-means算法得到聚类结果；另一方面结合深度可分离卷积和倒残差块设计出轻量化的网络结构。通过在自建的包含绝缘子、悬垂线夹、防震锤、鸟巢与导地线的专业巡检数据集上进行实验，结果表明在NVIDIA Jetson AGX Xavier设备上可以实现25FPS的检测速度及90.48%mAP的检测精度，适用于输电线路移动端实时精确巡检。

英文摘要:

查看全文查看/发表评论下载PDF阅读器

关闭