改进的YOLOv5s模型用于输电线路关键部件检测
计算机视觉与模式识别
2025-02-11 v1 人工智能
摘要
高压输电线路远离道路，导致巡检工作不便且维护成本上升。输电线路的智能巡检变得越来越重要。然而，后续的智能巡检依赖于对各种关键部件的精确检测。针对输电线路图像巡检中关键部件检测精度低的问题，本文提出了一种基于YOLOv5s（You Only Look Once Version 5 Small）模型的改进目标检测模型，以提高输电线路关键部件的检测精度。根据电网巡检图像的特点，我们首先修改了k-means聚类中的距离度量，以改进YOLOv5s模型的锚框匹配。然后，我们在骨干网络中添加了卷积块注意力模块（CBAM）注意力机制以提高精度。最后，我们应用焦点损失函数来减少类别不平衡的影响。我们改进方法的mAP（平均精度均值）达到98.1%，精确率达到97.5%，召回率达到94.4%，检测速率达到84.8 FPS（每秒帧数）。实验结果表明，我们改进的模型提高了检测精度，并且相比其他模型具有性能优势。
引用
@article{arxiv.2502.06127,
title = {Improved YOLOv5s model for key components detection of power transmission lines},
author = {Chen Chen and Guowu Yuan and Hao Zhou and Yi Ma},
journal= {arXiv preprint arXiv:2502.06127},
year = {2025}
}
备注
23 pages, 14 figures