基于改进YOLOv5s的绝缘子缺陷检测方法
Abstract
基于无人机航拍的电力巡检成为目前绝缘子缺陷检测方法的主流，但当遇到图像特征不够明显或干扰特征较多等问题时，绝缘子缺陷识别困难，检测精度不高。由此，提出了一种基于改进YOLOv5s的绝缘子缺陷检测方法。首先，重新设计卷积模块，然后将CA注意力机制与其相融合，并且在主干网络加入注意力机制与颈部网络的特征图进行多尺度特征融合，抑制复杂环境下的干扰特征，专注缺陷特征提取；其次，对空间金字塔池化结构（SPPF）进行改进，扩大感受野，减少被模型过滤掉的有用信息；接着，将Transformer与C3模块中的残差结构（Bottleneck）相结合，增强模型对绝缘子缺陷特征的识别能力；最后，使用K-means算法对数据集进行聚类分析，重新计算最适合的锚框尺寸。在数据集上进行验证，改进后的方法平均精度达到97.4%，召回率达到94.8%，均值平均精度为97.6%，该方法有效提升了复杂环境下的绝缘子缺陷检测能力，进一步满足了对绝缘子缺陷检测精度的需求。
Fields of Study & Subjects
Power Line Inspection Robots
Infrastructure Maintenance and Monitoring
Advanced Neural Network Applications
Publication details
- Journal / source
- DOAJ (DOAJ: Directory of Open Access Journals)
- Publication date
- 1 January 2026
- Language
- ZH