| 基于改进的U-Net和YOLOv5的绝缘子掩模获取与缺陷检测 |
| |
| 引用本文： | 唐小煜,熊浩良,黄锐珊,林威霖. 基于改进的U-Net和YOLOv5的绝缘子掩模获取与缺陷检测[J]. 数据采集与处理, 2021, 36(5): 1041-1049 |
| |
| 作者姓名： | 唐小煜 熊浩良 黄锐珊 林威霖 |
| |
| 作者单位： | 华南师范大学物理与电信工程学院,广州 510006;广东省量子调控工程与材料重点实验室,广州 510006;广东省光电检测仪器工程技术研究中心,广州 510006;华南师范大学物理国家级实验教学示范中心,广州 510006 |
| |
| 基金项目： | 国家自然科学基金（61371176）资助项目。 |
| |
| 摘 要： | 输电线路的绝缘子定期巡检是必不可少的一项任务，而传统的人工巡检存在着效率低、工作强度大等问题。因此，本文设计了一种改进的U-Net模型实现对绝缘子的分割，并使用改进的YOLOv5实现在复杂背景下对爆破绝缘子的定位。本文基于U-Net图像语义分割模型，提出一种改进的网络结构SERes-Unet。模型引入残差结构减少卷积过程中存在的梯度消失、结构信息损耗的影响，引入注意力机制对特征权重进行校正，从而提升网络性能。为实现对高分辨率图像的爆破绝缘子检测，提出将图片进行切割再进行检测，再通过非极大值抑制（Non-maximum suppression，NMS）进行筛选，获取图像全部爆破绝缘子的位置。本文设计的多组实验验证了模型的有效性和高效性。本文方法绝缘子分割精度达到0.96，爆破绝缘子检测精确率达到0.97，召回率达到0.99。
|
| 关 键 词： | 爆破绝缘子 图像语义分割 目标检测 U-Net模型 |
| 收稿时间： | 2020-09-23 |
| 修稿时间： | 2021-02-28 |
Insulator Mask Acquisition and Defect Detection Based on Improved U-Net and YOLOv5 |
| |
| TANG Xiaoyu,XIONG Haoliang,HUANG Ruishan,LIN Weilin. Insulator Mask Acquisition and Defect Detection Based on Improved U-Net and YOLOv5[J]. Journal of Data Acquisition & Processing, 2021, 36(5): 1041-1049 |
| |
| Authors: | TANG Xiaoyu XIONG Haoliang HUANG Ruishan LIN Weilin |
| |
| Affiliation: | 1.School of Physics and Telecommunication Engineering, South China Normal University, Guangzhou 510006, China;2.Guangdong Provincial Key Laboratory of Quantum Engineering and Quantum Materials, Guangzhou 510006, China;3.Guangdong Provincial Engineering Technology Research Center for Optoelectronic Instrument, Guangzhou 510006, China;4.National Demonstration Center for Experimental Physics Education, South China Normal University, Guangzhou 510006, China |
| |
| Abstract: | |
| |
| Keywords: | blasting insulator image semantic segmentation object detection U-Net model |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
|
