【技术实现步骤摘要】
本专利技术属于绝缘子缺陷检测，特别是涉及到一种用于绝缘子缺陷检测的轻量化多分支yolo模型及其检测方法。
技术介绍
1、绝缘子是电力系统中不可或缺的组成部分，而绝缘子长期暴露在自然环境下，容易受到烈日、冻雨以及雷暴等恶劣天气影响，出现自爆、裂缝、破损等缺陷，是输电线路部件中最易损坏的组件之一，对电力系统稳定运行造成严重的安全隐患。因此，绝缘子缺陷检测一直是电力系统领域的一个重要研究方向。传统的绝缘子缺陷检测方法主要依靠人工巡检，这种方法存在着效率低、检测精度低、成本高等问题。随着无人机技术发展，将检测模型嵌入到无人机巡检中进行绝缘子缺陷图像识别和诊断，可以大大减轻巡线人员的工作压力和强度。
2、申请号cn114612803a的中国专利，公开了一种改进centernet的输电线路绝缘子缺陷检测方法，通过改进centernet的方式进行绝缘子缺陷的判定。
3、申请号cn112837315b的中国专利，公开了一种基于深度学习的输电线路绝缘子缺陷检测方法，其目的是识别和追踪各帧图像中的多绝缘子，并检测出各绝缘子片的状态。
4、然而现阶段绝缘子缺陷检测依然存在以下问题：(1)现有的算法仅考虑检测精度或速度的提升，难以满足实际巡检的要求，因此需要对两者进行平衡以兼顾检测精度与速度；(2)目前的绝缘子缺陷检测模型虽然可以移植到服务器等大型计算机上实现实时检测，但对于无人机巡检来说，由于处理器性能不足，很难达到检测要求。
5、因此现有技术当中亟需要一种新型的技术方案来解决这一问题。
>技术实现思路
1、本专利技术所要解决的技术问题是：克服现有技术的缺点，提供一种用于绝缘子缺陷检测的轻量化多分支yolo模型及其检测方法。
2、本专利技术所采取的技术方案是提供一种用于绝缘子缺陷检测的轻量化多分支yolo模型，所述多分支yolo模型包括yolov7-tiny模型、多分支主干、维度转换注意力模块、知识蒸馏方法和通道剪枝方法，所述yolov7-tiny模型用于基础原始网络模型；
3、所述多分支主干中包括分割模块和轻聚合网络模块，所述分割模块用于对不同特征层进行分级融合，用于加强主干网络的特征提取能力，所述轻聚合网络模块由ghost模块构造组成，用于去除目标特征的信息冗余；
4、所述维度转换注意力模块包括特征聚集-转换-融合，通过融合绝缘子缺陷特征图不同维度的信息，使特征图之间的信息交互能力增强，提高模型对缺陷目标的定位能力。
5、所述分割模块的具体操作流程为：
6、f0，0＝x[0：s：2，0：s：2]，f1，0＝x[1：s：2，0：s：2]
7、f0，1＝x[0：s：2，1：s：2]，f1，1＝x[1：s：2，1：s：2]
8、其中f0，0，f1，0，f0，1，f1，1为四个子特征映射序列，x为输入特征图。
9、所述特征聚集操作是将基于通道的平均池化和最大池化作用于输入特征图x，得到的mam(max average map)有效聚集了输入特征图x的空间信息：
10、mam＝concat(pavg(x)，pmax(x))
11、其中concat(·)表示拼接操作，pavg(·)，pmax(·)分别表示对·进行通道级全局平均池化、通道级全局最大池化，为了使聚集的高压缩比信息能够有效融合，使用两个点卷积层将双通道特征扩充得到x′：
12、
13、i和j表示输出张量x′的空间位置(行和列)，cin表示输入通道的索引，cout表示输出通道的数量，表示输入张量mam在位置(i，j)处通道cin上的值，表示卷积核张量k在位置(1，1)处、输入通道cin上的值，并且有cout个这样的卷积核。
14、所述转换操作是将特征聚集的输出x′(h×w×c)进行维度正向变换，生成两个维度为h×c×w和c×w×h的输出，对其进行点卷积后相加得到输出x″，使h，w，c三个维度之间的关联信息得到充分融合，再将x″进行维度逆向变换，使其恢复原来的维度顺序，得到两个输出y1和y2。
15、所述融合操作首先使用全局平均池化和全局最大池化将全局空间信息和全局通道信息结合起来，得到经过池化的α1和α2，然后对α1和α2做softmax得到特征权重向量β1和β2，使用特征权重向量得到中间层输出，同时为了更好的发挥原始信息的指导作用，将中间层输出经过点卷积调整通道数之后将x与之进行逐元素相乘得到该模块的输出：
16、
17、所述知识蒸馏方法可以使多分支yolo模型更加容易从教师模型中学习到尽可能多的知识，无损提升绝缘子缺陷的检测精度。
18、所述通道剪枝方法可以删除模型中不重要的通道，在较小的精度损失下极大地压缩模型体积。
19、本专利技术所采取的另一种技术方案是提供一种使用上述的轻量化多分支yolo模型的绝缘子缺陷检测方法，包括以下步骤：
20、(1)数据增强，将自采集的带缺陷的绝缘子数据整理成一个多类别缺陷数据集，并采用数据增强的方式来扩大样本数量；
21、(2)数据预处理，将增强后的图像进行归一化和尺寸缩放处理，统一将图像缩放到640×640×3的分辨率，将具有五种类别：玻璃绝缘子、玻璃绝缘子缺失、闪络、陶瓷绝缘子、破损的数据集按照8：1：1的比例划分为训练集、验证集和测试集；
22、(3)采用多分支yolo模型进行训练，模型使用自适应时刻估计方法来更新网络参数，将训练集图片输入到多分支yolo模型中，将每次迭代的模型参数保存，使用验证集输出代表此代模型性能的指标；
23、(4)在所有代模型中选取出最优模型，使用测试集对模型进行评估，得出可视化的绝缘子缺陷检测结果。
24、所述步骤(1)中数据增强的方式包括角度旋转、上下翻转，左右翻转，增加噪点。
25、通过上述设计方案，本专利技术可以带来如下有益效果：
26、(1)本专利技术中模型主要包含了多分支主干和维度转换注意力模块。多分支主干在yolov7-tiny主干网络基础上，通过去除高维特征的冗余信息以及对不同尺度特征的分级融合，达到提高检测准确率的效果。同时为了提高模型对绝缘子缺陷关键信息的关注度，我们提出了维度转换注意力模块。此外，为了可以在计算资源有限的边缘设备上运行深度神经网络，我们采用蒸馏的方法无损提升模型检测精度，采用剪枝的方法对模型规模进行缩减，使得检测模型更容易在算力有限的边缘设备中部署。该模型具有明显的轻量化优势和检测精度优势，实现了对绝缘子缺陷的准确快速识别。
27、(2)本专利技术通过使用增强后的数据对预设的模型进行训练后，能够更加准确检测和定位出输电线路中的玻璃绝缘子、玻璃绝缘子缺失、闪络、陶瓷绝缘子和破损这五种不同检测目标，有利于电力巡检运维人员能准确、及时发现输电线路中的绝缘子隐患，预防出现电力系统故障，更有效地降低运维成本。
28、(3)本专利技术能检测出的绝缘子缺本文档来自技高网...
【技术保护点】
1.用于绝缘子缺陷检测的轻量化多分支YOLO模型，其特征在于：所述多分支YOLO模型包括YOLOV7-tiny模型、多分支主干、维度转换注意力模块、知识蒸馏方法和通道剪枝方法，所述YOLOV7-tiny模型用于基础原始网络模型；
2.如权利要求1所述的用于绝缘子缺陷检测的轻量化多分支YOLO模型，其特征在于：所述分割模块的具体操作流程为：
3.如权利要求1所述的用于绝缘子缺陷检测的轻量化多分支YOLO模型，其特征在于：所述特征聚集操作是将基于通道的平均池化和最大池化作用于输入特征图X，得到的MAM(maxaverage map)有效聚集了输入特征图X的空间信息：
4.如权利要求1所述的用于绝缘子缺陷检测的轻量化多分支YOLO模型，其特征在于：所述转换操作是将特征聚集的输出X′(h×w×c)进行维度正向变换，生成两个维度为h×c×w和c×w×h的输出，对其进行点卷积后相加得到输出X″，使h，w，c三个维度之间的关联信息得到充分融合，再将X″进行维度逆向变换，使其恢复原来的维度顺序，得到两个输出Y1和Y2。
5.如权利要求1所述的用于绝
6.如权利要求1所述的用于绝缘子缺陷检测的轻量化多分支YOLO模型，其特征在于：所述知识蒸馏方法可以使多分支YOLO模型更加容易从教师模型中学习到尽可能多的知识，无损提升绝缘子缺陷的检测精度。
7.如权利要求1所述的用于绝缘子缺陷检测的轻量化多分支YOLO模型，其特征在于：所述通道剪枝方法可以删除模型中不重要的通道，在较小的精度损失下极大地压缩模型体积。
8.使用如权利要求1-7所述的轻量化多分支YOLO模型的绝缘子缺陷检测方法，其特征在于：包括以下步骤：
9.如权利要求8所述的绝缘子缺陷检测方法，其特征在于：所述步骤(1)中数据增强的方式包括角度旋转、上下翻转，左右翻转，增加噪点。
...【技术特征摘要】
1.用于绝缘子缺陷检测的轻量化多分支yolo模型，其特征在于：所述多分支yolo模型包括yolov7-tiny模型、多分支主干、维度转换注意力模块、知识蒸馏方法和通道剪枝方法，所述yolov7-tiny模型用于基础原始网络模型；
2.如权利要求1所述的用于绝缘子缺陷检测的轻量化多分支yolo模型，其特征在于：所述分割模块的具体操作流程为：
3.如权利要求1所述的用于绝缘子缺陷检测的轻量化多分支yolo模型，其特征在于：所述特征聚集操作是将基于通道的平均池化和最大池化作用于输入特征图x，得到的mam(maxaverage map)有效聚集了输入特征图x的空间信息：
4.如权利要求1所述的用于绝缘子缺陷检测的轻量化多分支yolo模型，其特征在于：所述转换操作是将特征聚集的输出x′(h×w×c)进行维度正向变换，生成两个维度为h×c×w和c×w×h的输出，对其进行点卷积后相加得到输出x″，使h，w，c三个维度之间的关联信息得到充分融合，再将x″进行维度逆向变换，使其恢复原来的维度顺序，得到两个输出y1和y2。
5.如权利要求1所述的用于绝缘子缺陷...
【专利技术属性】
技术研发人员：纪秀，王晖，杨京龙，王晓丹，吴鹏，王桂楠，韩欢欢，于吉庆，李明阁，岳哲宇，
申请(专利权)人：长春工程学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。