输电线路故障检测网络

小目标检测精度提升

一种改进的YOLOv5网络，通过注意力机制和优化的检测头，在合成数据集上训练后，对输电线路元件的故障检测精度显著优于基线模型。

Song, Jie · 秦新燕 · 雷金 · Zhang, Jie · 王艳琦 · Zeng, Yujie

International Journal of Electrical Power and Energy Systems 2024

参数信息

平均精度（mAP@[0.5]）
98.0 %
平均精度（mAP@[0.5:0.95]）
64.6 %

技术优势

不用大量真实故障样本

利用巡检机器人先验生成合成故障数据集SDFC，解决故障图像稀缺问题。两阶段迁移学习进一步将合成数据训练的模型适应到无人机真实场景。

小目标也检得到

对SDFC中的小目标进行统计分析，据此优化YOLOv5的neck和head，提升小目标检测能力。

适配无人机巡检

两阶段迁移学习显著增强网络在无人机巡检数据集上的泛化能力和检测精度，无需对每个场景重新采集标注数据。

应用场景