基于改进YOLO算法的激光清异场景目标检测方法

摘要

对于异物和树木靠近或缠绕上输电线路的问题,现阶段最新一般采用基于激光技术的异物清除装置.电力激光作业场景中不仅存在高压电,还存在高能激光,十分危险,因此需要做好合适的安全监控策略,对激光清异作业场景进行监控预警.针对作业场景监控器的移动前端特性,提出了一种适用于移动端的改进YOLO算法,选择了CSPDarknet-tiny作为特征提取主干网络,并将SPP、PANet等改进措施针对移动端的特性进行改进,使检测模型更适用于移动端检测环境.然后将改进的YOLO算法运用在了激光清异照射范围的目标检测作业场景中.同时针对检测任务,设计了相应的检测目标,并构建了相应的激光安全控制图像数据集(LSCD),并训练了检测模型.实验表明,与Faster R-CNN等算法相比,改进的YOLO算法具有更快的检测速度,仅为217 ms,在保证精度的前提下,极大地缩小了模型大小和推理时间,使其能更好地镶嵌到移动端设备,为前端检测危险并启动警报器策略起到支撑作用.此研究成果为电力激光作业下的智能在线监控提供了一定的参考价值.