公开(公告)号：CN116385335A

公开(公告)日：2023-07-04

申请号：CN202211372824.2

申请日：2022-10-31

Applicant: 安徽理工大学

Inventor： 徐善永 ,  邓继承 ,  黄友锐 ,  韩涛 ,  凌六一 ,  唐超礼 ,  甘福宝

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于改进YOLOv4的绝缘子缺陷目标检测方法，首先以轻量级模块Mobilenet‑V1对YOLOv4的主干特征提取网络Backbone进行替换，其次分别在初步特征提取和加强特征提取环节引入scSE注意力机制，SPP后面的卷积层修改为五层，增强网络的特征提取能力。最后，使用深度可分离卷积替换加强特征提取网络的3×3卷积，降低整体网络的参数量。本发明的权重为57.9MB，相比于传统的YOLOv4模型获得的权重值减少了62.6%。绝缘子缺陷检测的平均精度达到98.81%，精度提高了0.26%。检测速度达到了190帧/秒，提升了37帧/秒。

公开(公告)号：CN117809020A

公开(公告)日：2024-04-02

申请号：CN202311632074.2

申请日：2023-11-28

Applicant: 安徽理工大学

Inventor： 徐善永 ,  邓继承 ,  黄友锐 ,  韩涛 ,  凌六一 ,  杨杰

IPC: G06V10/25 ,  G06V10/82 ,  G06V10/80 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明公开了一种基于改进YOLOv5的输电线路目标检测方法及设备，方法包括以下步骤：步骤S1、获取数据集；步骤S2、得到训练集和验证集；步骤S3、生成改进的YOLOv5网络模型；步骤S4、采用训练集、验证集对改进的YOLOv5网络模型进行训练；步骤S5、获取待检测图片，采用训练好的改进的YOLOv5网络模型从待检测图片中识别目标。设备包括处理器和存储器，存储器中程序指令运行时执行目标检测方法。本发明能提高输电线路目标识别精度和速度，并具有较小的体量。