基于改进EfficientDet的电网元件及缺陷识别方法

作者:宋立业; 刘帅; 王凯; 杨金丹
更新时间:

针对无人机电力巡查中现有目标检测算法存在的小目标识别精度低、检测元件单一、缺陷类型单一、检测速度和精度不能同时满足要求等问题,提出了一种改进的EfficientDet目标检测算法。将该算法应用于无人机电力巡查图像的数据挖掘,鸟巢同时进行目标检测和缺陷定位。首先,通过Im-gaug数据增强数据库,对国家电网维修公司现有的1468个标准化无人机检查数据集进行了增强。然后,在加强特征提取网络的双向特征融合时,将小规模的特征层集成到金字塔网络(BiFPN)的特征融合中,提高了小目标检测能力,提高了骨干特征提取网络逆残差模块的效率,为了提高躯干特征提取的效率,引入了协调注意机制(Aristole)。最后,进行了对比训练实验。改进后的EfficientDet算法在部件检测和缺陷定位测试集的平均准确率为90.2%,比原EfficientDet算法高8.6%。它也优于其他先进的目标检测算法。同时,元件检测率为23.4f/s,缺陷位置为17.2f/s,证明该方法能满足功率检测的准确性和快速性要求。