基于轻量化YOLOv4的复杂场景绝缘子缺陷检测算法

摘要

针对目前高压线路绝缘子缺陷检测速度慢,复杂场景下精度低的问题,提出一种基于轻量化YOLOv4(you only look once)的复杂场景绝缘子缺陷检测算法。首先利用轻量级的ECA-GhostNet(efficient channel attention GhostNet)作为骨干网络,以提升检测速度;然后在预测层引入分类-定位质量估计联合表示方法,并采用广义分布表示边界框的灵活分布,以提升复杂场景下的检测性能。训练阶段分别采用定位质量焦损失函数(quality focal loss,QFL)与分布焦损失函数(distribution focal loss,DFL)更好地监督联合表示与边框回归。将该算法在具有复杂背景的数据集上对正常与自爆缺陷绝缘子两类目标进行验证实验,结果表明,该算法在复杂场景下的检测精度均优于目前主流算法,且检测速度达49FPS,比YOLOv4原始算法检测速度提升了约40%。