改进的YOLOX输电线路环境及部件异常分级检测

作者：郭敬东^*

来源：电力信息与通信技术, 2022, 20(11): 27-36.

DOI：10.16543/j.2095-641x.electric.power.ict.2022.11.004

• 深度学习
• 目标检测
• 输电线路
• YOLOX
• 自适应特征融合
• 分级检测网络

输电线路巡检目标及缺陷检测任务种类多，目标尺度形态各异。文章提出一种输电线路环境及部件异常的分级检测方法。以YOLOX模型为基础，引入了自适应特征融合模块，改善了多尺度的特征融合，使其适应输电线路复杂场景下的目标检测任务，提升网络精度；设计了分级检测网络，根据检测目标尺度的不同以及螺栓与部件的位置关系，先定位关键金具再检测金具上的螺栓目标，大幅提升了小目标螺栓检测精度。在输电线路巡检数据集上对异常环境状态和部件异常的平均检测精度为85.4%，比改进前的模型提升了1.3%。提出的输电线路环境及部件异常的分级检测方法使得准确率显著提高，具有更好的应用和推广价值。

• 出版日期2022
• 单位国网福建省电力有限公司