基于深度学习的绝缘子故障检测仿真研究

针对无人机巡检中采集到的绝缘子图片受干扰严重、检测精度低的问题,在YOLOv5s算法的基础上进行优化,基于改进后的YOLOv5s算法进行了绝缘子故障检测的仿真研究。通过在颈部网络添加CBAM注意力模块、运用K-means聚类重新计算先验框大小、采用MetaAconC作为激活函数3种措施改进了原算法,并基于Python进行了实验结果分析。实验结果表明本方案算法平均精度均值mAP达到了96.7%,对比原YOLOv5s模型,平均精度均值m AP提升3.3%;且方案算法训练出的权重文件大小仅有15.1 M,仅比原YOLOv5s大了0.1 M,仍然保持了轻量化的特点,在智能巡检工作的部署上有良好前景。