应用于绝缘子缺陷检测的轻量化YOLOv4研究

摘要

针对YOLOv4主干网络庞大、参数量多，应用于绝缘子缺陷检测中无法满足实时性要求的问题，提出一种轻量化的YOLOv4检测模型。首先，引入含ECA集成组件的GhostNet作为特征提取网络，保证特征提取能力的同时大幅减少模型参数，加快模型推理速度。其次，使用K-means++聚类算法确定出初始锚框尺寸，以适应绝缘子缺陷大小，提升缺陷定位精度。最后，在交叉熵损失函数的基础上引入Quality Focal Loss改进损失函数，进一步提升模型检测性能。实验结果表明，改进后的轻量化YOLOv4与原始YOLOv4相比，模型大小压缩至原来的62.47%,每秒帧率提升了68.83%,绝缘子缺陷检测的准确率提升了1.07%,在显著提升检测速度的同时保证了算法检测精度，且在小目标和复杂背景下表现突出。