改进YOLOv5s算法的小目标输电导线缺陷检测方法

摘要

输电导线作为输电线路的载体，易受外界环境影响而发生导线断股或导线散股。针对无人机在输电线路巡航检查时，受复杂背景影响导致的检测效果不佳，以及航拍图像中导线缺陷目标过小而造成的漏检、误检等问题，提出了一种基于注意力机制的检测方法 CBAM＿YOLOv5(convolutional block attention module YOLOv5)。首先对原有注意力机制CBAM(convolutional block attention module)特征提取进行优化，增强输电导线特征信息的提取效果;同时采用多尺度训练策略提升模型对特征信息的感知能力;最后提出一种性能更为优越的损失函数WIo U Loss(Wise-IoU Loss)以应对小目标正负样本不平衡的问题，抑制了正样本，提升了收敛速度。实验仿真表明，改进的算法在导线缺陷数据集上的综合性能比YOLOv5s提升了0.067，精度达87.9%，比YOLOv5s提高了2%，验证了改进算法的有效性。

关键词

无人机巡检 / 输电导线 / 缺陷检测 / 卷积块注意力模块YOLOv5 / 交并比损失