基于YOLOv5的电力巡检图像缺陷识别研究

庞博; 鲍志远; 杨明坤; 张凌浩; 孙小毛; 胡强

doi:10.16527/j.issn.1003-6954.20220509

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于YOLOv5的电力巡检图像缺陷识别研究

更新时间：2026-02-13

- 基于YOLOv5的电力巡检图像缺陷识别研究
- Issue 5, Pages: 48-53+94(2022)
- 作者机构：
  
  1. 国网四川省电力公司电力科学研究院
  2. 清华大学
  3. 国网四川省电力公司乐山供电公司
  4. 清华四川能源互联网研究院氢能系统与转化研究所
- 作者简介：
- 基金信息：
- DOI：10.16527/j.issn.1003-6954.20220509
  CLC： TM75;TP391.41
- Published：2022
- 稿件说明：
移动端阅览
庞博, 鲍志远, 杨明坤, et al. 基于YOLOv5的电力巡检图像缺陷识别研究[J]. 2022, (5): 48-53+94.
DOI：

庞博, 鲍志远, 杨明坤, et al. 基于YOLOv5的电力巡检图像缺陷识别研究[J]. 2022, (5): 48-53+94. DOI： 10.16527/j.issn.1003-6954.20220509.

摘要

针对输电线路巡检中可能出现的裂化、老化、腐蚀、破损等诸多缺陷的情况，为保证输电线路运行的安全和稳定，文中开展了基于YOLOv5的电力巡检图像缺陷识别研究。在YOLOv5算法的基础上，结合电力巡检图像特点，采用CIOU＿Loss作为Bounding box的损失函数，使其具有更快、更好的收敛效果；选用DIOU＿NMS用于NMS处理，提高对遮挡重叠目标的识别精度；同时，在对数据集进行分类处理后，采用"分别训练、统一推断"的方法，冻结部分网络层权重来训练网络模型。实验结果显示，基于YOLOv5算法模型可以有效地识别电力巡检图像缺陷情况。

Abstract

关键词

Keywords

references

发电行业人工智能应用[M]. 中国电力出版社 , 华志刚, 2020

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks. [J] . Ren Shaoqing,He Kaiming,Girshick Ross,Sun Jian. IEEE transactions on pattern analysis and machine intelligence . 2017 (6)

Selective Search for Object Recognition. [J] . J. R. R. Uijlings,K. E. A. Sande,T. Gevers,A. W. M. Smeulders. International Journal of Computer Vision . 2013 (2)

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

山区输电线路微型桩模块化钻机的研制

电网舞动灾害应对技术体系研究综述

大档距/高差线路非均匀覆冰下的脱冰跳跃特性研究

A Short-circuit Location Method for Transmission Line Based on Fault State Simulation

Single － ended Protection Method for HVDC Transmission Line Based on High Frequency Component

Related Author

李何钰秋

王杰

贺前

范荣全

董杰

朱宽军

刘彬

赵彬

Related Institution

国网四川省电力公司达州供电公司

国网四川省电力公司经济技术研究院

四川大学机械工程学院

中国电力科学研究院有限公司

西南交通大学电气工程学院

AI问答

⁰