-
公开(公告)号:CN114743084B
公开(公告)日:2024-11-01
申请号:CN202210284065.8
申请日:2022-03-22
Applicant: 三峡大学
IPC: G06V20/10 , G06V10/25 , G06V10/762 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/082 , G06T3/4053 , G06T3/4046 , G06N3/048
Abstract: 一种基于超分预处理与改进YOLOv5x的输电线路故障检测方法,包括以下步骤:一、获取输电线路巡检图像数据并进行扩充后,按照比例随机划分为训练集、验证集以及测试集,并对训练集和验证集中的绝缘子及其故障目标进行标记;二、对步骤一中得到的的标记框进行聚类,以生成适合检测绝缘子及其故障目标的锚框;三、将测试集图像进行超分辨率重建;四、对YOLOv5x模型部分结构进行修改,以增强模型检测小目标的能力,并调整边框损失函数;五、对步骤四中的改进YOLOv5x模型进行训练,将步骤三获取的超分辨测试集图像输入训练好的改进YOLOv5x模型进行目标检测,识别出图像中的绝缘子及其故障目标并对结果进行评价。
-
公开(公告)号:CN114743084A
公开(公告)日:2022-07-12
申请号:CN202210284065.8
申请日:2022-03-22
Applicant: 三峡大学
Abstract: 一种基于超分预处理与改进YOLOv5x的输电线路故障检测方法,包括以下步骤:一、获取输电线路巡检图像数据并进行扩充后,按照比例随机划分为训练集、验证集以及测试集,并对训练集和验证集中的绝缘子及其故障目标进行标记;二、对步骤一中得到的的标记框进行聚类,以生成适合检测绝缘子及其故障目标的锚框;三、将测试集图像进行超分辨率重建;四、对YOLOv5x模型部分结构进行修改,以增强模型检测小目标的能力,并调整边框损失函数;五、对步骤四中的改进YOLOv5x模型进行训练,将步骤三获取的超分辨测试集图像输入训练好的改进YOLOv5x模型进行目标检测,识别出图像中的绝缘子及其故障目标并对结果进行评价。
-