-
题名基于动态蛇形卷积和非跨步卷积的绝缘子缺陷检测
被引量：3
- 1
-
-
作者
尹向雷
解永芳
屈少鹏
苏妮
-
机构
陕西理工大学电气工程学院
-
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2024年第20期177-187,共11页
-
基金
国家自然科学基金面上项目资助(62176146)
陕西省教育厅重点科学研究计划项目资助(20JS018)
陕西理工大学人才启动专项资助(SLGRCQD2114)。
-
文摘
针对复杂场景下绝缘子缺陷检测存在小目标识别困难的问题,提出基于动态蛇形卷积和非跨步卷积的绝缘子缺陷检测方法。首先,算法引入动态蛇形卷积,构造出符合绝缘子特点的特征提取模块,提高对绝缘子及其缺陷的特征提取能力。然后,采用“空间-深度”的非跨步卷积,减少融合过程中的特征丢失。最后,为进一步降低模型复杂度,对模型进行通道剪枝,减少冗余部分。在绝缘子缺陷数据集上进行实验对比,与基准算法相比,绝缘子的破损、污闪以及自爆缺陷的识别率分别提升了5.7%、2.4%和0.8%,改进算法在绝缘子的检测率上提升了0.5%。同时平均精度均值较改进前提升了2.3%,模型大小降低了50.07%。实验结果表明,改进算法在提高绝缘子缺陷小目标检测精度的同时,有效降低了模型大小,对绝缘子缺陷检测的研究具有一定的参考和应用价值。
-
关键词
绝缘子
缺陷检测
YOLOv7
动态蛇形卷积
“空间-深度”的非跨步卷积
-
Keywords
insulators
defects detection
YOLOv7
dynamic snake convolution
“space-to-depth”convolution
-
分类号
TM216
[一般工业技术—材料科学与工程]
-
-
题名基于SSE-YOLO的红外小目标检测算法
- 2
-
-
作者
大妹
姜麟
陶友凤
胡淼
-
机构
昆明理工大学理学院
-
出处
《红外技术》
北大核心
2025年第4期475-483,共9页
-
基金
国家自然科学基金项目(11761042)。
-
文摘
针对红外成像面积小、分辨率低、易被遮挡导致漏检、检测精度低等问题,本文提出了一种基于SSE-YOLO的红外小目标检测算法。首先在YOLOv8s的基础上引入深度非跨步卷积模块,避免检测过程中细粒度信息的丢失并提高特征学习的效率;其次在特征提取阶段增加专门针对小目标的检测层,以提升模型对红外小目标的提取能力;此外设计了一种高效的双注意力机制(efficient dual-attention mechanism,EDAM),自适应地学习每个通道和空间位置的重要性,从而更好地捕捉图像中的关键信息;然后使用Shape_IoU损失函数来聚焦边框自身形状与自身尺度,进一步提高边框回归的精确度;最后在FLIR数据集和艾睿光电公司拍摄的数据集上进行了一系列实验。结果表明:本文所提方法在两种数据集上的平均精度分别达到了89.8%与92.1%,相比于原始的模型分别提高了3.3%与2.9%。
-
关键词
YOLOv8s
红外小目标检测
深度非跨步卷积
Shape_IoU损失函数
双注意力机制
-
Keywords
YOLOv8s
infrared small target detection
space-to-depth convolution
shape_IoU Loss
dual-attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
