基于改进YOLOv5s的输电线路螺栓缺销检测方法

摘要

针对无人机输电线路巡检图像中螺栓缺销检测精度较低、漏检较多的问题，提出了一种基于改进YOLOv5s的输电线路螺栓缺销检测方法。在Backbone部分嵌入Coordinate Attention注意力模块；在Neck部分原有的“FPN+PAN”结构的基础上，新增一条“自顶向下”的特征信息传递路径，跨越临近的同尺度特征层，与较浅层网络以加权融合的方式进行特征融合；将Head部分设置为解耦检测头，将对螺栓检测的分类任务与定位任务分开进行。改进后的YOLOv5s算法增强了对螺栓特征信息的学习能力。使用本方法在螺栓缺销数据集上实验，精确率提升了2.3%,召回率提升了3.4%,平均精度提升了3.1%,检测速度达到了41.1帧/秒，表明改进后的方法能提升输电线路螺栓缺销的检测能力，在智能巡检中具有一定的应用价值。

关键词

巡检图像 / 故障检测 / 螺栓缺销 / YOLOv5s / Coordinate Attention / 特征融合 / 解耦检测头

基金资助

国家自然科学基金资助项目(61871182); 河北省自然科学基金资助项目(F2021502013); 中央高校基本科研业务费面上项目(2020MS153,2021PT018)