-
题名基于改进YOLOv5的绝缘子状态检测系统设计
- 1
-
-
作者
张利平
齐嘉宇
王文博
付羿焱
谢泽辉
孙传猛
-
机构
中北大学电气与控制工程学院
中北大学省部共建动态测试技术国家重点实验室
-
出处
《现代电子技术》
北大核心
2025年第21期93-100,共8页
-
基金
国家重点研发计划青年科学家项目(2022YFC2905700)
山西省基础研究计划资助项目(202203021221106,202203021212129,20210302123047)。
-
文摘
绝缘子作为输电线路上的关键设备,长期暴露在户外,易受到多种因素影响,导致性能下降甚至损坏,威胁电网的正常运行。高效检测绝缘子状态对于保障电网安全与稳定运行至关重要。为此,文中将深度学习算法应用于绝缘子状态检测,通过数据扩增和模型优化,提高检测的准确性和可靠性。首先,采用基于几何变换、图像像素、合成图像的方式对原始数据集进行数据扩增,提高模型的泛化能力;其次,引入注意力机制,将注意力模块添加到YOLOv5模型主干网络的CSP1_X结构中,增强模型对目标的关注度;最后,采用Focal_EIoU损失函数替换原有算法中的CIoU损失函数,以提升边界框回归的准确性。实验结果表明,相比基础YOLOv5s,改进YOLOv5s在保持相同轻量化水平的同时,高阈值下检测精度达到了83.2%,提高了2.6%。结合改进YOLOv5s模型与PyQt5框架,构建基于深度学习的绝缘子状态检测系统,包含模型加载、推理集成、结果显示三大功能,可实现绝缘子的状态检测,对提高绝缘子巡检效率,助力电网安全稳定运行具有重要意义。
-
关键词
深度学习
绝缘子检测
YOLOv5s模型
注意力机制
数据扩增
损失函数
pyqt5框架
-
Keywords
deep learning
insulator detection
YOLOv5s model
attention mechanism
data augmentation
loss function
pyqt5 framework
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于YOLOv7的井盖病害图像检测系统研究
- 2
-
-
作者
蔡东吟
陈运雄
-
机构
广东白云学院智能制造工程学院
-
出处
《农业装备与车辆工程》
2025年第5期128-131,共4页
-
基金
2024年度广东白云学院校级自然科学类一般项目“基于YOLOv7的井盖病害图像检测系统方法研究”(2024BYKY01)。
-
文摘
针对复杂环境下井盖病害难以检测的问题,提出了基于YOLOv7的井盖病害图像检测系统。首先,通过对井盖病害图像进行正确的分类与标注,为检测网络构建训练数据集。然后,搭建基于深度可分离卷积的YOLOv7骨干网络,对井盖病害图像进行特征提取并降低网络参数;通过特征金字塔对不同层次的特征进行融合,提升井盖病害图像的特征提取能力。最后,利用Pyqt5框架搭建井盖病害检测系统,并将训练好的YOLOv7网络进行系统性能测试。结果表明,该设计可以实现井盖病害图像检测任务。
-
关键词
YOLOv7
井盖病害
图像检测
pyqt5框架
-
Keywords
YOLOv7
manhole cover diseases
image detection
pyqt5 framework
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
