基于改进YOLOv3的电力巡检照片分类命名方法

郑高; 郑恩辉; 王桂荣

doi:10.16452/j.cnki.sdkjzk.2025.03.011

山东科技大学学报（自然科学版） ›› 2025, Vol. 44 ›› Issue (03) : 107 -118. DOI: 10.16452/j.cnki.sdkjzk.2025.03.011

基于改进YOLOv3的电力巡检照片分类命名方法

郑高, 郑恩辉, 王桂荣

作者信息 +

Author information +

文章历史 +

PDF

摘要

为实现电力巡检过程的智能化，解决拍摄的巡检照片质量不高、分类准确率低的问题，本研究提出一种基于改进YOLOv3的电力巡检照片分类命名方法。该方法利用融合通道洗牌和通道注意力提高模型的特征表征能力，结合多层感知器神经网络与后处理模块完成最终的分类命名。实验结果表明，改进后的YOLOv3模型平均准确率优于原YOLOv3模型，平均精度均值由85.62%提高至94.73%;与现有的主流分类模型相比，能更好地处理拍摄质量差的巡检照片，提升电力巡检效率。