针对绝缘子缺陷检测的改进YOLOv7模型
计算机视觉与模式识别
2025-02-12 v1 人工智能
摘要
绝缘子是电力系统中至关重要的绝缘组件和结构支撑部件，在输电线路中发挥着关键作用。由于温度波动、内部应力或hail 损伤，绝缘子容易受伤。自动检测受损绝缘子面临类型多样、缺陷目标小、背景和形状复杂等挑战。目前大量研究仅针对单一缺陷类型或特定材料进行检测。然而，输电线路上的绝缘子颜色和材料各异，各种缺陷共存，现有方法难以满足实际应用需求。现有方法检测精度低，mAP0.5 难以满足应用要求。本文提出一种用于多类型绝缘子缺陷检测的改进 YOLOv7 模型。首先，用 RFB 模块取代 SPPCSPC 模块以增强网络特征提取能力；其次，在检测头部分析注意力机制以增强网络特征表示能力并提高检测精度；最后，采用 WIoU 损失函数以解决训练中低质量样本限制模型泛化性的问题，从而提高模型整体性能。实验结果表明，所提出的模型在各项性能指标上均有所提升。具体而言，mAP_0.5 提升 1.6%，mAP_0.5:0.95 提升 1.6%，精确率提升 1.3%，召回率提升 1%。此外，模型参数减少 320 万，计算成本降低 2.5 GFLOPS。值得注意的是，单张图像检测速度提升 2.81 毫秒。
引用
@article{arxiv.2502.07179,
title = {Improved YOLOv7 model for insulator defect detection},
author = {Zhenyue Wang and Guowu Yuan and Hao Zhou and Yi Ma and Yutang Ma and Dong Chen},
journal= {arXiv preprint arXiv:2502.07179},
year = {2025}
}
备注
19 pages, 13 figures