一種用于輸電線路絕緣子多缺陷檢測的輕量級網絡

摘 要：針對絕緣子多類型缺陷檢測速度慢、檢測精度低的問題，提出一種用于輸電線路絕緣子多缺陷檢測的輕量級網絡（ＭｕｌｔｉＤｅｆｅｃｔ Ｄｅｔｅｃｔｉｏｎ Ｎｅｔｗｏｒｋ，ＭＤＤＮｅｔ），該算法主要針對絕緣子電弧燒傷和絕緣子傘裙破損的多類型絕緣子缺陷聯合檢測。基于ＧｈｏｓｔＣ２ｆ 模塊構建ＧＣＤａｒｋｎｅｔ５３ 特征提取網絡，增強特征提取能力并較少特征冗余；引入三尺度融合（ＴｒｉＦｕｓｉｏｎ） 機制構建新型ＴＦＮｅｃｋ 頸部網絡，充分融合深層語義信息與淺層的細粒度信息，提高小目標缺陷檢測精度；選用結構相似性交并比（Ｓｔｒｕｃｔｕｒａｌ Ｓｉｍｉｌａｒｉｔｙ Ｉｎｔｅｒｓｅｃｔｉｏｎ ｏｖｅｒ Ｕｎｉｏｎ，ＳＩｏＵ） 損失函數提高模型定位能力。實驗結果表明，提出的ＭＤＤＮｅｔ 模型平均精度均值（ｍｅａｎ Ａｖｅｒａｇｅ Ｐｒｅｃｉｓｉｏｎ ｍＡＰ） 達到９２． １％ ，與ＹＯＬＯｖ５ 相比，在參數量減少了２０％ 的情況下ｍＡＰ 提升了３． ０％ ，與其他現有一階段算法相比，ＭＤＤＮｅｔ 算法檢測速度達到８６． １ 幀／ 秒，能夠在保證輕量化的同時提高檢測精度，滿足絕緣子多缺陷檢測的應用需求。

關鍵詞：圖像處理；絕緣子；缺陷檢測；ＹＯＬＯｖ５；輕量級網絡

中圖分類號：ＴＰ３９１ 文獻標志碼：Ａ

文章編號：１００３－３１０６（２０２４）１０－２４６９－０９