基于改进YOLOv5的绝缘子及其缺陷检测系统的建立方法技术方案

本发明专利技术公开了基于改进YOLOv5的绝缘子及其缺陷检测系统的建立方法，包括以下步骤：S1、建立完整的绝缘子数据集，S2、搭建绝缘子及其缺陷识别的目标检测系统，S3、实现基于注意力机制优化的复杂背景下绝缘子及其缺陷检测，S4、实现基于多尺度特征融合算法优化下的绝缘子及其缺陷小目标检测，S5、实现基于候选框优化下的绝缘子重叠目标检测，S6、设计对比模型，S7、搭建图形用户界面。通过本发明专利技术建立的基于改进YOLOv5的绝缘子及其缺陷检测系统，可以解决由于图像中背景复杂、目标过小以及目标重叠导致检测精度不够的问题，同时保证模型参数量不会过大，利于普通嵌入式芯片的应用和部署，最后将检测结果展示在窗口界面，增强算法的可视化性能和方便操作性。视化性能和方便操作性。视化性能和方便操作性。

【技术实现步骤摘要】
基于改进YOLOv5的绝缘子及其缺陷检测系统的建立方法


[0001]本专利技术涉及绝缘子缺陷检测
，具体为基于改进YOLOv5的绝缘子及其缺陷检测系统的建立方法。

技术介绍

[0002]现今运行的输电线路规模庞大，由于各种因素影响，电网输电线路及其相关设备会出现电网故障，因此需要对输电线路需要定期进行检测，作为绝缘控件，绝缘子在输电线路中不仅能够对导线起到固定作用，还能够增加线路的爬电距离，实现电气绝缘，绝缘子存在掉串、自爆、污闪等问题，进而引起输电线路及电网故障，线路中的绝缘子需要进行定期的检测，绝缘子的可靠运行是高压输电线路乃至电网安全的重要保证，对于传统的人工电力巡检方式，无人机可以针对不同的检测任务使用不同的检测模块，可利用人工操作或者自主巡检对需要检测的线路及设备进行图像采集，利用图像信息进行状态判断，无人机巡检能够实现瓷绝缘子所在线路的带电检测，在保障输电线路乃至电力系统安全稳定运行方面提供强力支撑，能够保障经济效益与社会效益。
[0003]现有技术中，如中国专利申请号为：CN114897858A的“一种基于深度学习的快速绝缘子缺陷检测方法及其系统”，包括：获取待检测绝缘子图像；基于预先训练的绝缘子分割模型，对待检测绝缘子图像中的绝缘子进行分割，输出绝缘子分割效果图；将绝缘子分割效果图输入到预先训练的绝缘子缺陷检测模型中，对绝缘子进行缺陷检测，输出绝缘子缺陷检测结果。
[0004]无人机巡检方法的核心是目标检测算法，使用无人机对瓷绝缘子检测时，对绝缘子定位后拍摄的图片需要利用目标算法进行进一步的处理，从而实现对绝缘子的检测，无人机结合目标检测算法对缺陷绝缘子进行检测具有良好的前景和实际意义，并且YOLOv5已经弥补了在检测精度方面与两阶段算法的差距，同时能够保持在检测速度方面的优势，但是无人机检测到的图像常常存在背景复杂，检测目标受到较大干扰，且还存在光照不均匀、图像特征分布复杂、目标大小不一、目标重叠等问题。
[0005]所以我们提出了基于改进YOLOv5的绝缘子及其缺陷检测系统的建立方法，以便于解决上述中提出的问题。

技术实现思路

[0006]本专利技术的目的在于提供基于改进YOLOv5的绝缘子及其缺陷检测系统的建立方法，以解决上述
技术介绍
提出的无人机巡检方法的核心是目标检测算法，使用无人机对瓷绝缘子检测时，对绝缘子定位后拍摄的图片需要利用目标算法进行进一步的处理，从而实现对绝缘子的检测，但是无人机检测到的图像常常存在背景复杂，检测目标受到较大干扰，且还存在光照不均匀、图像特征分布复杂、目标大小不一、目标重叠的问题。
[0007]为实现上述目的，本专利技术提供如下技术方案：基于改进YOLOv5的绝缘子及其缺陷检测系统的建立方法，包括以下步骤：
[0008]S1、建立完整的绝缘子数据集；
[0009]S2、搭建绝缘子及其缺陷识别的目标检测系统；
[0010]S3、实现基于注意力机制优化的复杂背景下绝缘子及其缺陷检测；
[0011]S4、实现基于多尺度特征融合算法优化下的绝缘子及其缺陷小目标检测；
[0012]S5、实现基于候选框优化下的绝缘子重叠目标检测；
[0013]S6、设计对比模型；
[0014]S7、搭建图形用户界面。
[0015]优选的，所述步骤S1中，建立完整的绝缘子数据集，包括：
[0016]S11、设计针对数据集处理的相关方法，对初始数据集进行数据扩增；
[0017]S12、运用图像增强技术对样本质量进行提升；
[0018]S13、利用LabelImg工具实现对数据集的制作，为后续模型的训练提供数据基础。
[0019]优选的，所述步骤S12中，所述图像增强技术包括旋转、镜像、添加噪声、灰度变换、直方图增强，使瓷绝缘子数据集的样本容量得以增加，使模型得到更充分的训练。
[0020]优选的，所述步骤S2中，搭建绝缘子及其缺陷识别的目标检测系统，包括：
[0021]S21、对绝缘子航拍图像目标检测算法进行试验和特性分析；
[0022]S22、分别对比典型单阶段和两阶段目标检测算法的检测能力，分析检测过程中的难点；
[0023]S23、选取出在检测精度和检测速度都较为优秀的YOLOv5模型为基础改进模型。
[0024]优选的，所述步骤S3中，实现基于注意力机制优化的复杂背景下绝缘子及其缺陷检测，包括：
[0025]S31、分析绝缘子与所处背景相似度较高的情况下，容易出现误检和漏检的现象，提出在YOLOv5模型的骨干特征提取层融合注意力机制算法，有效区分背景和目标；
[0026]S32、通过对比通道注意力、空间注意力以及自注意力机制进行模型的最优选取。
[0027]优选的，所述步骤S4中，实现基于多尺度特征融合算法优化下的绝缘子及其缺陷小目标检测，包括：
[0028]S41、通过分析YOLOv5模型在特征融合处理层的不足，提出将YOLOv5模型结合新的多尺度特征融合算法；
[0029]S42、对比FPN、ASFF以及Bi
‑
FPN多个多尺度特征融合算法，最终选取最优结构。
[0030]优选的，所述步骤S5中，通过发现导致模型准确率下降的另一因素是数据集中存在绝缘子目标部分被遮挡问题，并分析现有候选框算法的不足，提出将YOLOv5模型结合新的候选框优化算法Soft
‑
NMS来提升绝缘子重叠目标的检测。
[0031]优选的，所述步骤S6中，通过消融实验结合三处改进，通过模型评估指标和实际图片测试比较，得出最优模型，实现绝缘子及其缺陷检测的端到端输出。
[0032]优选的，所述步骤S7中，在GUI界面嵌入训练好的深度学习模型，并将检测结果展示在窗口界面上，增强算法的可视化性能和方便操作性。
[0033]与现有技术相比，本专利技术的有益效果是：
[0034]通过本专利技术基于改进YOLOv5的绝缘子及其缺陷检测系统，YOLOv5目标检测算法有着优异的检测速度的同时兼顾了优秀的检测精度，且便于实际的操作、应用，将YOLOv5算法模型应用于无人机对检测瓷绝缘子的掉串，以瓷绝缘子为检测对象，进而对绝缘子缺陷进
行检测，以模型最小、更容易部署在无人机等设备上的YOLOv5s作为基础，对YOLOv5进行改进以有效提高模型对瓷绝缘子缺陷的检测精度，解决由于图像中背景复杂、目标过小以及目标重叠导致检测精度不够的问题，同时保证模型参数量不会过大，利于普通嵌入式芯片的应用和部署，最后将检测结果展示在窗口界面，增强算法的可视化性能和方便操作性。
附图说明
[0035]图1为本专利技术基于改进YOLOv5的绝缘子及其缺陷检测系统的建立方法的流程图。
具体实施方式
[0036]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施条例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进YOLOv5的绝缘子及其缺陷检测系统的建立方法，其特征在于，包括以下步骤：S1、建立完整的绝缘子数据集；S2、搭建绝缘子及其缺陷识别的目标检测系统；S3、实现基于注意力机制优化的复杂背景下绝缘子及其缺陷检测；S4、实现基于多尺度特征融合算法优化下的绝缘子及其缺陷小目标检测；S5、实现基于候选框优化下的绝缘子重叠目标检测；S6、设计对比模型；S7、搭建图形用户界面。2.根据权利要求1所述的基于改进YOLOv5的绝缘子及其缺陷检测系统的建立方法，其特征在于，所述步骤S1中，建立完整的绝缘子数据集，包括：S11、设计针对数据集处理的相关方法，对初始数据集进行数据扩增；S12、运用图像增强技术对样本质量进行提升；S13、利用LabelImg工具实现对数据集的制作，为后续模型的训练提供数据基础。3.根据权利要求2所述的基于改进YOLOv5的绝缘子及其缺陷检测系统的建立方法，其特征在于，所述步骤S12中，所述图像增强技术包括旋转、镜像、添加噪声、灰度变换、直方图增强，使瓷绝缘子数据集的样本容量得以增加，使模型得到更充分的训练。4.根据权利要求1所述的基于改进YOLOv5的绝缘子及其缺陷检测系统的建立方法，其特征在于，所述步骤S2中，搭建绝缘子及其缺陷识别的目标检测系统，包括：S21、对绝缘子航拍图像目标检测算法进行试验和特性分析；S22、分别对比典型单阶段和两阶段目标检测算法的检测能力，分析检测过程中的难点；S23、选取出在检测精度和检测速度都较为优秀的YOLOv5模型为基础改进模型。5.根据权利要求1所述的基于改进YOLOv5的绝缘子及其缺陷检测系统的建立方法，其特征在于，所述步骤S3中，实现基于注意力机制优化的复...

【专利技术属性】
技术研发人员：施百涛，傅晓锦，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：