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

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

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

电力运检技术 | 更新时间：2026-02-13

- 基于YOLOv5的电力巡检图像缺陷识别研究
- 基于YOLOv5的电力巡检图像缺陷识别研究
- 四川电力技术 2022年第5期页码：48-53+94
- 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：
  
  四川省科技计划项目（2021YFG0113）;国网四川省电力公司科技项目（52199722000Y）
- DOI：10.16527/j.issn.1003-6954.20220509
  中图分类号： TM75;TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
庞博, 鲍志远, 杨明坤, 等. 基于YOLOv5的电力巡检图像缺陷识别研究[J]. 四川电力技术, 2022,(5):48-53+94.

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.
庞博, 鲍志远, 杨明坤, 等. 基于YOLOv5的电力巡检图像缺陷识别研究[J]. 四川电力技术, 2022,(5):48-53+94. DOI： 10.16527/j.issn.1003-6954.20220509.

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)

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

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

基于故障状态模拟的输电线路短路点定位方法

基于高频分量的高压直流输电线路单端保护方法