基于改进YOLOv5s的轻量级绝缘子缺失检测

摘要

针对现有绝缘子缺失检测模型计算复杂度高和小目标难以检测等问题，提出一种基于改进的YOLOv5s轻量级检测模型。首先，移除主干网络中的C3模块来减少模型的参数量。其次，在多尺度特征融合网络中引入卷积块注意力机制来提高复杂背景下模型的特征提取能力。同时，采用加权双向特征金字塔网络结构对特征进行双向跨尺度加权融合，提升网络在遮挡物、相似目标干扰下目标的检测性能。最后，选用SIoU损失函数提升网络的收敛速度和检测精度。实验结果表明，所提模型的平均精准率为96.8%，浮点运算数为2.8 GFLOPS，而原始YOLOv5s在保证97.4%的平均精准率下的浮点运算数为16.3 GFLOPS。相较于原始模型，所提模型对小目标、遮挡目标以及模糊等场景有着较强的鲁棒性，且在保证近似检测精度的同时极大减少了计算量。

关键词

绝缘子检测 / YOLOv5s模型 / 卷积块注意力机制 / 加权双向特征金字塔网络 / 轻量化网络