检索结果-维普期刊中文期刊服务平台

复杂背景下输电线路缺陷检测算法研究: 1; 作者邬春明王调君《计算机科学》 CSCD 北大核心 2024年第S01期535-540,共6页; 输电线路定期巡检对保障电力系统安全稳定运行具有重要的意义。针对输电线路航拍图像背景复杂、目标尺度变化大、小目标多等问题,提出了基于YOLOv5s的输电线路目标检测算法。该算法采用特征细化模块优化微小目标特征,并在网络中嵌入SimA... 展开更多; 关键词输电线路缺陷检测注意力机制 NWD损失特征细化; 在线阅读下载PDF 职称材料

基于深度可分离卷积及SVD输电线路缺陷检测被引量：17: 2; 作者杨可军杨建旭 +4 位作者陈思宝吕苗苗李程启杨波郑文杰《智慧电力》北大核心 2020年第10期64-69,77,共7页; 针对输电线路实时巡检中无人机嵌入式移动端的存储和计算受限问题,在Faster R-CNN目标检测框架及VGG特征提取网络基础上,融合深度可分离卷积及SVD分解,构建了一种轻量级的输电线路缺陷检测方法。在公共的PASCAL VOC 2007与COCO数据集上... 展开更多; 关键词输电线路缺陷检测深度可分离卷积奇异值分解模型压缩; 在线阅读下载PDF 职称材料

基于超分辨率重建与多尺度特征融合的输电线路缺陷检测方法被引量：28: 3; 作者刘兰兰万旭东 +3 位作者汪志刚张建彭昊杨嘉妮《电子测量与仪器学报》 CSCD 北大核心 2023年第1期130-139,共10页; 针对输电线路巡检中可能存在拍摄图像质量不高的问题,以及线路缺陷目标小而分布密集而导致传统方法检测精度不高的问题,提出一种基于超分辨率重建与多尺度特征融合的输电线路缺陷检测方法。首先,使用超分辨率网络对巡检图像进行重建,提... 展开更多; 关键词输电线路缺陷检测超分辨率卷积块注意力多尺度特征融合; 在线阅读下载PDF 职称材料

基于改进YOLOX的输电线路典型部件及缺陷轻量检测方法: 4; 作者王凌云万旭东 +1 位作者刘兰兰黄力《电机与控制学报》北大核心 2025年第9期106-115,共10页; 针对输电线路部件及缺陷检测中模型体积大、实时性差的问题,以及因背景复杂、样本不平衡导致易误检、漏检的问题,提出一种基于改进YOLOX的输电线路典型部件及缺陷轻量检测方法。首先引入Ghostnet替换原有主干网络,实现模型轻量化。其次... 展开更多; 关键词输电线路缺陷检测 Ghostnet 坐标注意力机制变焦损失实时检测; 在线阅读下载PDF 职称材料

改进YOLOv10的架空输电线路多缺陷检测方法: 5; 作者李坤祥刘大明《电子测量技术》北大核心 2025年第9期156-167,共12页; 针对输电线路缺陷检测任务中目标尺度多样、背景复杂、目标遮挡,以及现有目标检测算法难以在实时检测的前提下保证检测精度而出现漏检、误检的问题,提出改进YOLOv10的输电线路无人机巡检缺陷检测算法TLDDet。首先设计融合部分卷积和上... 展开更多; 关键词输电线路缺陷检测 YOLOv10 实时检测特征融合上下文锚点注意力尺度内特征交互遮挡感知注意网络; 在线阅读下载PDF 职称材料

基于TR-YOLOv5的输电线路多类缺陷目标检测方法被引量：16: 6; 作者郝帅赵新生 +3 位作者马旭张旭何田侯李祥《图学学报》 CSCD 北大核心 2023年第4期667-676,共10页; 针对复杂环境中输电线路多类缺陷目标的多尺度检测问题,提出一种基于Transformer和感受野模块的YOLOv5输电线路多类缺陷目标检测算法,简记为TR-YOLOv5。首先,搭建了YOLOv5网络,针对复杂背景造成缺陷目标的显著性低,进而影响检测精度的问... 展开更多; 关键词 YOLOv5 输电线路缺陷检测空洞卷积 TRANSFORMER 感受野模块损失函数; 在线阅读下载PDF 职称材料

题名复杂背景下输电线路缺陷检测算法研究: 1; 作者邬春明王调君; 机构东北电力大学电气工程学院; 出处《计算机科学》 CSCD 北大核心 2024年第S01期535-540,共6页; 文摘输电线路定期巡检对保障电力系统安全稳定运行具有重要的意义。针对输电线路航拍图像背景复杂、目标尺度变化大、小目标多等问题,提出了基于YOLOv5s的输电线路目标检测算法。该算法采用特征细化模块优化微小目标特征,并在网络中嵌入SimAM注意力模块,通过能量函数统一权值的方式优化模型的特征提取,最后引入NWD损失函数削弱模型对小目标位置偏差的敏感性,提升模型对小目标的识别检测能力。实验结果表明,该模型对输电线路目标的平均检测精度高达98.8%,相较于基准模型,提高了1.2%。; 关键词输电线路缺陷检测注意力机制 NWD损失特征细化; Keywords Transmission line defect detection Attention mechanism NWD loss Feature refinement; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于深度可分离卷积及SVD输电线路缺陷检测被引量：17: 2; 作者杨可军杨建旭陈思宝吕苗苗李程启杨波郑文杰; 机构安徽南瑞继远电网技术有限公司安徽大学计算机科学与技术学院国网山东电力科学研究院国网安徽检修分公司; 出处《智慧电力》北大核心 2020年第10期64-69,77,共7页; 基金国家自然科学基金资助项目(61976004) 国家电网有限公司科技资助项目(SGTYHT/17-JS-199)。; 文摘针对输电线路实时巡检中无人机嵌入式移动端的存储和计算受限问题,在Faster R-CNN目标检测框架及VGG特征提取网络基础上,融合深度可分离卷积及SVD分解,构建了一种轻量级的输电线路缺陷检测方法。在公共的PASCAL VOC 2007与COCO数据集上的实验结果验证了所提方法的优越性。在输电线路缺陷数据集上实验,在保证检测精度不下降的同时降低了模型存储空间,提升了模型的检测速度,实现了检测的实时性。; 关键词输电线路缺陷检测深度可分离卷积奇异值分解模型压缩; Keywords defect detection in transmission line depthwise separable convolution singular value decomposition model compression; 分类号 TM755 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于超分辨率重建与多尺度特征融合的输电线路缺陷检测方法被引量：28: 3; 作者刘兰兰万旭东汪志刚张建彭昊杨嘉妮; 机构带电巡检与智能作业技术国网公司实验室智能带电作业技术及装备(机器人)湖南省重点实验室三峡大学电气与新能源学院; 出处《电子测量与仪器学报》 CSCD 北大核心 2023年第1期130-139,共10页; 基金智能带电作业技术及装备(机器人)湖南省重点实验室开放基金(2021KZD3001) 湖北省输电线路工程技术研究中心开放课题(2019KXL05)项目资助; 文摘针对输电线路巡检中可能存在拍摄图像质量不高的问题,以及线路缺陷目标小而分布密集而导致传统方法检测精度不高的问题,提出一种基于超分辨率重建与多尺度特征融合的输电线路缺陷检测方法。首先,使用超分辨率网络对巡检图像进行重建,提升清晰度,丰富图像中包含的特征信息;然后使用改进的YOLOX网络检测巡检图像中的缺陷,在主干网络中嵌入卷积块注意力机制,强化模型对重叠小目标的定位能力;为进一步提升小目标的检测能力,在YOLOX的特征融合网络中新增浅层检测尺度进行特征融合;最后,通过使用CIOU优化边界框损失函数提升模型收敛能力,降低缺陷目标的漏检率。实验结果表明,所提方法能在提升巡检图像质量的基础上对输电线路缺陷准确地检测,精度达到93.27%,相比SSD等经典模型,对小而密集的缺陷目标有着更强的提取能力和鲁棒性。; 关键词输电线路缺陷检测超分辨率卷积块注意力多尺度特征融合; Keywords transmission line defect detection super resolution convolutional block attention multiscale feature fusion; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进YOLOX的输电线路典型部件及缺陷轻量检测方法: 4; 作者王凌云万旭东刘兰兰黄力; 机构三峡大学电气与新能源学院三峡大学湖北省输电线路工程技术研究中心带电巡检与智能作业技术国网公司实验室; 出处《电机与控制学报》北大核心 2025年第9期106-115,共10页; 基金国家自然科学基金(51907104) 湖北省输电线路工程技术研究中心开放课题(2019KXL05)。; 文摘针对输电线路部件及缺陷检测中模型体积大、实时性差的问题,以及因背景复杂、样本不平衡导致易误检、漏检的问题,提出一种基于改进YOLOX的输电线路典型部件及缺陷轻量检测方法。首先引入Ghostnet替换原有主干网络,实现模型轻量化。其次为解决输电线路图像背景复杂导致易漏检、误检的问题,将坐标注意力模块嵌入特征融合网络和CSPLayer结构,加强对复杂背景中目标区域的关注。最后针对输电线路部件及缺陷样本不平衡以及不同目标检测难度差异大的问题,引入变焦损失函数,降低正负样本不平衡带来的影响,提升对难分类目标的训练强度以减少误检和漏检。实验结果表明,所提方法在输电线路部件及缺陷检测中的平均精度均值提高2.67%,模型尺寸减少33.01%,推理速度为19.61 ms/张,能够满足无人机轻量化、高精度的电力实时巡检要求。; 关键词输电线路缺陷检测 Ghostnet 坐标注意力机制变焦损失实时检测; Keywords transmission line defect detection Ghostnet coordinate attention varifocal loss real-time detection; 分类号 TM75 [电气工程—电力系统及自动化] TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名改进YOLOv10的架空输电线路多缺陷检测方法: 5; 作者李坤祥刘大明; 机构上海电力大学计算机科学与技术学院; 出处《电子测量技术》北大核心 2025年第9期156-167,共12页; 基金上海市科技计划项目(23010501500)资助。; 文摘针对输电线路缺陷检测任务中目标尺度多样、背景复杂、目标遮挡,以及现有目标检测算法难以在实时检测的前提下保证检测精度而出现漏检、误检的问题,提出改进YOLOv10的输电线路无人机巡检缺陷检测算法TLDDet。首先设计融合部分卷积和上下文锚点注意力的高效特征融合模块(FC2FA),在降低模型参数量的同时提升模型的特征集成能力。然后使用基于多头自注意力机制的尺度内特征交互模块AIFI增强对小目标的检测效果,该模块通过加强特征图中高级语义信息的表达从而提高模型检测的准确率。最后设计遮挡感知注意网络检测头SEAM-Head,减少由于遮挡问题导致的特征丢失的问题。实验结果表明,所提出的TLDDet较原始模型YOLOv10s参数量减少33%,计算量减少30%,对输电线路多种缺陷的Precision、Recall和mAP50分别提高4.3%、2.4%和3.7%,检测速度达到143 FPS,且与其他实时检测算法的对比中具有更好的检测性能。; 关键词输电线路缺陷检测 YOLOv10 实时检测特征融合上下文锚点注意力尺度内特征交互遮挡感知注意网络; Keywords transmission line defect detection YOLOv10 real-time detection feature fusion context anchor attention intra-scale feature interaction occlusion-aware attention network; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术] TN911.73 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于TR-YOLOv5的输电线路多类缺陷目标检测方法被引量：16: 6; 作者郝帅赵新生马旭张旭何田侯李祥; 机构西安科技大学电气与控制工程学院; 出处《图学学报》 CSCD 北大核心 2023年第4期667-676,共10页; 基金国家自然科学基金项目(51804250) 中国博士后科学基金项目(2019M653874,2020M683522) +2 种基金西安市碑林区科技计划项目(GX2116)。; 文摘针对复杂环境中输电线路多类缺陷目标的多尺度检测问题,提出一种基于Transformer和感受野模块的YOLOv5输电线路多类缺陷目标检测算法,简记为TR-YOLOv5。首先,搭建了YOLOv5网络,针对复杂背景造成缺陷目标的显著性低,进而影响检测精度的问题,在Backbone部分引入Transformer模块,通过利用多头注意力结构获取特征图像素点间的相关性和全局信息,增强缺陷目标的特征表达能力,从而提升模型检测精度;其次,由于待检测目标受多尺度影响,在Neck部分引入感受野模块提取目标不同尺度的特征,利用空洞卷积增大感受野,为后续PANet结构保留更细致的特征,增强Neck特征融合能力,提高模型对多尺度缺陷目标的检测精度;然后,为了提升预测边框回归精度,引入CIOU函数,进一步提高算法检测精度;最后,利用某电力巡检部门近3年的数据对该算法进行验证。实验结果表明,相比于7种对比算法,本文算法具有较高检测精度的同时具有较好的实时性,其平均检测精度可达95.6%,1280×720分辨率的巡检图像检测速度为125帧/秒。; 关键词 YOLOv5 输电线路缺陷检测空洞卷积 TRANSFORMER 感受野模块损失函数; Keywords YOLOv5 transmission line defect detection dilation convolution Transformer receptive field block loss function; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	复杂背景下输电线路缺陷检测算法研究	邬春明王调君	《计算机科学》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于深度可分离卷积及SVD输电线路缺陷检测	杨可军杨建旭陈思宝吕苗苗李程启杨波郑文杰	《智慧电力》北大核心	2020	17	在线阅读下载PDF 职称材料
3	基于超分辨率重建与多尺度特征融合的输电线路缺陷检测方法	刘兰兰万旭东汪志刚张建彭昊杨嘉妮	《电子测量与仪器学报》 CSCD 北大核心	2023	28	在线阅读下载PDF 职称材料
4	基于改进YOLOX的输电线路典型部件及缺陷轻量检测方法	王凌云万旭东刘兰兰黄力	《电机与控制学报》北大核心	2025	0	在线阅读下载PDF 职称材料
5	改进YOLOv10的架空输电线路多缺陷检测方法	李坤祥刘大明	《电子测量技术》北大核心	2025	0	在线阅读下载PDF 职称材料
6	基于TR-YOLOv5的输电线路多类缺陷目标检测方法	郝帅赵新生马旭张旭何田侯李祥	《图学学报》 CSCD 北大核心	2023	16	在线阅读下载PDF 职称材料