基于改进YOLOv5的电力金具目标检测方法

作者：邓凯锋; 蒲阳; 周力; 陈开雷; 蔡嘉华; 鲁彩江

来源：自动化与仪器仪表, 2023, (11): 95-99.

DOI：10.14016/j.cnki.1001-9227.2023.11.095

• YOLOv5
• 注意力机制
• 损失函数
• 电力金具

为实现在复杂环境下对电力金具的准确快速检测，提出了一种基于改进YOLOv5(You Only Look Once version 5)的电力金具目标检测方法。针对现有目标检测方法参数量大、类别不平衡影响网络训练效果等问题，引入了轻量化网络Ghost Net,减少了冗余特征图对网络预测的影响，通过引入ECA(Efficient Channel Attention)注意力机制提高了网络的特征提取能力，避免了目标预测受到复杂环境的干扰，并使用Focal-CIoU(Focal-Complete-IoU) Loss损失函数提高了模型对少数类别的识别能力。实验结果表明，提出的算法在准确率和平均精度均值等评价指标中皆优于原始的YOLOv5算法，并且参数量仅占原始网络的61.2%。精确度提升了4.0%,mAP@0.5提升了1.9%,mAP@0.5:0.95提升了4.5%。同时，提出的算法在保持较高的预测精度的同时，均衡了推理速度，能够达到实时的电力金具目标检测要求。

• 出版日期2023
• 单位贵州电网有限责任公司; 西南交通大学