新型YOLOv4-tiny网络及在绝缘子检测中的应用

摘要

针对电力线快速智能巡检需求,提出在飞行器上安装边缘设备进行智能检测的设想。为提高检测性能,依据原始YOLOv4-tiny深度网络结构设计了以Resblock-D轻量化网络为特征提取网络和Resblock-D+CSPDarknet53-tiny为主干的新型YOLOv4-tiny算法和网络。在Jetson NANO上在搭建成功GPU版Darknet深度框架用于训练、部署和测试。以ImageNet标准图像库中的power line图片集及街拍电力线图片为基础,建立Pascal VOC格式的绝缘子数据集,训练成功无预训练权重文件的绝缘子识别网络。选择平均均值误差(mAP)最高的权重文件,在Jetson NANO上进行绝缘子智能识别实验。与标准YOLOv4-tiny算法相比,新型YOLOv4-tiny算法权重文件和计算量仅为58%和66.7%,检出速度快约16%,检出数量高约10%,误检数量低10%,证实其高效性和实用性。