改进YOLO v7的绝缘子检测与定位

作者：张剑锐; 魏霞; **鍹; 陈燕楠; 卢杰

来源：计算机工程与应用, 2023, 1-11.

• 目标检测
• 深度学习
• 无人机巡检图像
• 绝缘子识别

针对电力系统目标检测任务中绝缘子大小不一、背景干扰等影响而致使精度低、漏检率高的问题，提出了基于改进YOLO v7绝缘子检测与定位方法。首先，在YOLO v7骨干网络中加入轻量级注意力机制(Convolutional Block Attention Module， CBAM)，使网络模型从通道、空间两个方面更加关注绝缘子特征，减低绝缘子检测中的漏检率。其次，在网络模型深层添加集中金字塔(Concentrated Feature Pyramid， CFP)，使不同尺度的特征图进行信息交换和聚合，进而获得更加全面绝缘子的特征，提高绝缘子检测精度。最后，通过k-means算法对预选框聚类，使其得到最适合绝缘子预选框大小。实验结果表明，改进以后的YOLO v7网络模型平均检测精度(Mean Average Precision， mAP）达到96.2%，精准率(Precision)为90.8%，召回率(Recall)为93.8%。改进的方法在电力系统绝缘子检测中具有较广泛的应用前景。

• 出版日期2023
• 单位新疆大学; 清华大学