公开(公告)号：CN117974985A

公开(公告)日：2024-05-03

申请号：CN202410199774.5

申请日：2024-02-23

Applicant: 南京工程学院

Inventor： 姚军财 ,  顾铭杰 ,  申静 ,  姚聪颖 ,  时乘

IPC: G06V10/25 ,  G06V10/82 ,  G06V10/80 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/776 ,  G06N3/0464 ,  G06V20/17

Abstract: 本发明公开了一种基于改进YOLOv5s的高压线路异物检测方法及系统。该方法首先为了对不同尺寸的目标增加合适的权重，增强网络的多尺度特征融合能力，以有效地捕捉不同大小目标的特征，采用F‑Bi特征提取网络；其次，将YOLOv5的目标检测头替换为更高效的解耦头Decouple Head，加快模型的收敛速度；最后，使用W‑IoU损失函数对模型原始损失函数C‑IoU进行替换，提高锚点框的质量。最后使用数据集测试集来检测模型训练效果。本发明可以在多种应用场景中准确的检测出输电线路异物，可以满足输电线路巡检的准确性和快速性要求。

公开(公告)号：CN114445706A

公开(公告)日：2022-05-06

申请号：CN202210083359.4

申请日：2022-01-25

Applicant: 南京工程学院

Inventor： 姚军财 ,  汤浩威 ,  申静

IPC: G06V20/10 ,  G06V10/762 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于特征融合的输电线路目标检测与识别方法，S1:构建输电线路图像数据库，扩增数据库样本；将数据集图像标注为VOC格式，得到图像中各个元器件的边框位置和类别信息；对标注后的图像数据进行聚类分析，得到先验框宽高尺寸参数，作为网络训练的初始参数；对YOLOv5网络结构进行优化调整；预训练YOLOv5网络进行预训练，将输电线路图像数据集的训练集、验证集输入到预训练的网络中继续训练和验证，得到最佳的YOLOv5网络模型；利用最佳的YOLOv5网络模型对测试集图像进行目标检测与识别。本发明能够在输电线路图像中检测出器件的位置和类别，可以为智能巡检技术的发展提供参考。