基于改进YOLOv5的电力设备检测算法

来源：电子测量技术杂志2023年第4期北京时间：

作者：郑婷婷，周浩，王秋忆

单位：云南大学信息学院 昆明 650500

摘要：针对电力设备背景复杂、小目标密集等特点导致无人机智能电力巡检精度低、效果不佳等问题，提出了一种改进YOLOv5的目标检测算法。首先在原模型上增加一层检测层，重新获取锚点框以便能更好地学习密集小目标的多级特征，提高模型应对复杂电力场景的能力；其次对模型的特征融合模块PANet结构进行改进，通过跳跃连接的方式融合不同尺度的特征，增强信息的传播与重用；最后结合协同注意力模块设计主干网络，以聚焦目标特征，增强复杂背景中密集目标区域的显著度。实验结果表明：所提算法的平均精度均值(IoU=0.5)达到97.1%,比原网络检测性能提升了5.6%，有效改善了复杂背景下小目标的错测、漏检现象。

关键词：YOLOv5算法;电力设备检测;注意力机制;多尺度检测;特征融合

基金资助：云南省重大科技专项（202202AD080004）、国家自然科学基金（12263008）项目资助