基于改进YOLOv9的高压电缆缺陷检测算法研究

摘要

电缆作为电能传输关键载体，高空环境下表层易受环境侵蚀，及时检测其缺陷尤为重要.目前主流检测通过无人机巡检，快速获取图像，传至网络模型后输出检测结果. YOLO算法因其高效检测能力，被广泛应用于无人机巡检.但电缆表层缺陷微小、在高空低能见度天气采集图像质量低，导致无人机巡检结果准确率低.因此，本文提出一种基于改进YOLOv9的电缆缺陷检测模型YOLOv9–USSD.首先在原始YOLOv9模型中加入去雾网络（Unfognet），改善低能见度下图像的视觉质量；同时引入注意力机制（SEAM）和损失函数（Shape–IoU），提升模型对小目标特征提取能力；最后将原始卷积层（Original）替换为新卷积层（DualConv），旨在提高改进后的算法识别准确率.实验结果表明，改进后的YOLOv9–USSD比原YOLOv9模型均值平均精度（mAP）提高3.5%、召回率（R）提高5.6%、模型权重（Weights）减少13 MB、每秒十亿次浮点运算（GFLOPS）减少16个单位，为无人机在低能见度环境下电缆缺陷检测提供一种新的视觉巡检方案.

关键词

YOLOv9算法 / 注意力机制 / 无人机检测 / 小目标检测 / 去雾网络

基金资助

国家自然科学基金资助项目（52277218）; 江汉大学教学改革研究项目：新工科视域下智能机器人实训教学模式探索（2024YB019）; 国家级大学生创新创业训练项目（202411072004）;国家级大学生创新创业训练项目（202511072001）