POLO:改进的基于多尺度融合输电线路缺陷检测算法

摘要

现有深度学习算法在电力巡检场景下的航拍输电线路图像缺陷检测中，存在模型参数量大、冗余信息多、缺陷识别准确率较低等问题.鉴于此，提出一种基于部分生成卷积的多尺度融合输电线路缺陷检测算法POLO.首先，设计了部分生成卷积PGConv,利用轻量的计算操作降低模型参数量，在特征提取部分利用多尺度感受野GPG模块增强网络在处理边缘缺陷时的特征提取能力；然后，在特征增强部分利用PGFPN增加梯度组合的多样性，提高模型的学习能力，降低模型参数量和计算量；最后，利用最优空间权重对输出特征图进行多尺度空间融合MSF操作，减少网络在自底向上的路径上重要特征信息的损失.结果表明，POLO在公开数据集(IDID+UPID)和自建数据集PLHD上的平均精度分别达到了92.4%和91.5%.与同类检测模型比较，POLO模型具有更低的计算复杂度、更低的模型参数量和更强的鲁棒性.

关键词

缺陷检测 / 多尺度特征融合 / 深度学习 / 冗余特征 / 部分生成卷积

基金资助

教育部产学合作协同育人项目(231004983121903)