基于边云协同及图像识别的的绝缘子缺陷检测研究

徐铭申; 章涵睿; 莫千雪; 张腾; 李啸天

doi:10.70693/cjst.v1i2.1054

Authors

徐铭申华北电力大学
章涵睿华北电力大学
莫千雪华北电力大学
张腾华北电力大学
李啸天华北电力大学

DOI:

https://doi.org/10.70693/cjst.v1i2.1054

Keywords:

目标检测；深度学习；绝缘子故障；Yolov5；Transformer；BiFPN；CBAM

Abstract

本文提出了一种优化后的YOLOv5算法，旨在识别绝缘子缺陷。通过结合Transformer模型、BiFPN（双向特征金字塔网络）和CBAM（卷积块注意力模块）注意力机制，显著提升了识别的准确度、稳定性和泛化能力。此算法能精确识别和定位各种形态和尺寸的缺陷，为绝缘子缺陷检测提供了高效且可靠的解决方案。实验数据显示，优化后的YOLOv5算法在绝缘子故障识别中表现出色，检测准确率高达76.8%，相较于传统YOLOv5算法，性能提升超过20%。在处理复杂绝缘子缺陷和小样本目标识别时，该算法表现出更强的能力，在未来具有巨大的应用潜力。

References

王德文, 李业东. 基于 WGAN 图片去模糊的绝缘子目标检测[J]. 电力系统保护与控制, 2020, 40(5): 188-198.

宁凡, 蒋玉芳. 基于傅里叶变换算法的变电站母线避雷器泄露电流异常检测方法[J]. 电气自动化, 2024, 46(02): 88-90.

翁珠奋, 邓永亮, 廖亿峰, 等. 陶瓷绝缘子绝缘电阻检测辅助器在输电线路上的应用[J]. 电子元器件与信息技术, 2020, 4(10): 62-63.

孙国华, 孔德瀚, 杨景超, 等. 复合绝缘子憎水性检测技术研究现状[J]. 广西电业, 2023(04): 46-52.

赵琳, 邵先军, 王绍安, 等. GIS盆式绝缘子内部气隙放电检测与诊断[J]. 电力安全技术, 2023, 25(11): 75-78.

黄继盛, 刘红文, 唐钊, 等. 基于绝缘子内置电容分压的配电线路故障检测技术研究[J]. 电瓷避雷器, 2023(03): 205-212.

师涛. 悬式绝缘子内部人工缺陷的相控阵超声波检测策略研究[J]. 电子制作, 2019(16): 90-92.

王小娜. 基于图像特征提取的复合绝缘子粉化状态检测[D]. 华北电力大学(北京), 2024.

吴星奇, 付子峰, 郭景武, 等. 基于红外紫外成像检测技术的绝缘子运行状态评估分析[J]. 集成电路应用, 2023, 40(09): 28-30.

王磊. 基于深度学习的输电线路绝缘子目标增强识别研究[J]. 铁道建筑技术, 2022, (12): 189-193.

廖圣, 蔡伟, 陈俊威, 等. 带电检测及可见光观测技术在配电线路上的应用实例[J]. 电工技术, 2022(15): 109-111.

孙磊, 吴文海, 柯坚, 等. 基于可见光图像的铁路接触网绝缘子污秽状况检测[J]. 电瓷避雷器, 2019, 291(5): 240-244.

徐嘉臻, 孙国立, 李要锋, 等. 盆式绝缘子闪络的典型异物红外图像识别算法[J]. 信息技术, 2024(02): 160-165.

L, ZHANG F, LIU F, et al. A survey of Deep Learning-Based Object Detection[J]. IEEE Access, 2019, 7: 128837-128868. DOI: https://doi.org/10.1109/ACCESS.2019.2939201

REN S, HE K, GIRSHICK R, et al. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017, 39(6): 1137-1149. DOI: https://doi.org/10.1109/TPAMI.2016.2577031

贺元帅, 纪超, 王博雅, 等. 基于改进Faster R-CNN的绝缘子缺陷检测识别与定位[J]. 电工技术, 2024(01): 176-179.

张庆, 霍婷婷, 苗海东, 等. 基于图像增强与CNN的输电线路破损绝缘子识别[J]. 现代信息科技, 2023, 7(19): 151-154+159.

翟永杰, 王璐瑶, 郭聪彬. 基于Faster R-CNN的复杂背景下绝缘子目标检测[J]. 电子测量技术, 2023, 46(16): 187-194.

REDMON J, DIVVALA S, GIRSHICK R, et al. You Only Look Once: Unified, Real-Time Object Detection[C]//2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Las Vegas, NV, USA: IEEE, 2016: 779-7882016.

LIU W, ANGUELOV D, ERHAN D, et al. SSD: Single Shot MultiBox Detector[C]//2016 European Conference on Computer Vision (ECCV). Amsterdam, The Netherlands: Springer, 2016: 21-37. DOI: https://doi.org/10.1007/978-3-319-46448-0_2

池小波, 张伟杰, 贾新春, 等. 基于改进YOLOv5s的轻量级绝缘子缺失检测[J]. 测试技术学报, 2024, 38(01): 19-26.

杨龙欢, 董效杰, 黄施懿, 等. 基于YOLOV5的轻量型绝缘子缺陷检测算法研究[J]. 通信与信息技术, 2023(05): 13-18. DOI: https://doi.org/10.37155/2717-5170-0503-7

REDMON J, DIVVALA S, GIRSHICK R, et al. You only look once: Unified, real-time object detection[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2016: 779-788. DOI: https://doi.org/10.1109/CVPR.2016.91

ULTRALYTICS. Ultralytics. yolov5[EB/OL]. 2020 [2022-06-01]. https: //github. com/ultralytics/YOLOv5.

谢政峰. 基于深度学习的新材料地板缺陷检测技术研究[D]. 四川大学, 2021.

谷玉海, 曹梦婷, 修嘉芸, 等. 基于 YOLOv4 网络的违章行为检测算法[J]. 重庆理工大学学报(自然科学), 2021, 35(8): 114-121.

Liu S, Qi L, Qin H, et al. Path aggregation network for instance segmentation [C] // Proceedings of the IEEE conference on computer vision and pattern recognition. 2018: 8759-8768. DOI: https://doi.org/10.1109/CVPR.2018.00913

何宇豪,易明发,周先存,等.基于改进的Yolov5的无人机图像小目标检测[J/OL].智能系统学报:1-12[2024-06-13].http://kns.cnki.net/kcms/detail/23.1538.TP.20231204.1028.002.html.

VASWANI A, SHAZEER N, PARMAR N, et al. Attention is all you need［EB/OL］.［2017-12-06］.

https: //arxiv. org/pdf/1706. 03762. pdf

DOSOVITSKIY A, BEYER L, KOLESNIKOV A, et al. Transformers for image recognition at scale[A]. 2020.

WOO S, PARK J, LEE J Y, et al. CBAM: Convolutional block attention module[C]// ECCV: Proceedings of the European conference on computer vision, LNCS 11211. Cham: Springer, 2018: 3-19. DOI: https://doi.org/10.1007/978-3-030-01234-2_1

杨乐,郭一鸣,霍勇博,等.改进YOLOv5在电力生产违规穿戴检测中的应用[J].电力系统保护与控制,2023,51(14):160-168. DOI: https://doi.org/10.37155/2717-5197-0509-66

张焕龙,齐企业,张杰,等.基于改进YOLOv5的输电线路鸟巢检测方法研究[J].电力系统保护与控制,2023,51(2):151-159.

施保华,井任月,杨超,等.用于变电站保护压板状态识别的增强YOLO网络[J].电力系统保护与控制,2021,49(23):163-170.