基于YOLOv5的绝缘子图像识别算法轻量化改进研究
为解决传统神经网络图像识别模型无法在无人机等微型嵌入式设备有效部署的问题，基于YOLOv5算法提出一种针对无人机嵌入式平台的电力巡检绝缘子图像轻量化识别算法。以ShuffleNetV2为骨干网络，并使用深度可分离卷积替换传统卷积减少参数量，降低算法对物理内存的需求。同时针对绝缘子特征对图像预处理部分进行改进，使用PeleeNet网络中的Stem结构代替Focus结构，加快训练速度，减轻嵌入式平台CPU的计算压力。另外，在残差网络中引入Transformer注意力机制，提高算法对遮挡目标的提取能力。所提算法能够在支持Arm架构的树莓派4B+平台部署，检测准确率可达91.6%，对遮挡绝缘子检出率能...
-д хадгалсан:
| Үндсэн зохиолчид: | , |
|---|---|
| Формат: | Artigo |
| Хэл сонгох: | Chinês |
| Хэвлэсэн: |
Editorial Department of Insulators and Surge Arresters
2024-08-01
|
| Цуврал: | Dianci bileiqi |
| Нөхцлүүд: | |
| Онлайн хандалт: | http://www.dcblq.com/thesisDetails#10.16188/j.isa.1003-8337.2024.04.021 |
| Шошгууд: |
Шошго байхгүй, Энэхүү баримтыг шошголох эхний хүн болох!
|