基于深度学习的高压输电线路防振锤检测

来源：机床与液压杂志2022年第13期北京时间：

作者：贾雁飞，陈广大，杨淼，邢砾云，赵立权，李帅洋

单位：北华大学电气与信息工程学院；北华大学电气与信息工程学院；北华大学电气与信息工程学院；北华大学电气与信息工程学院；东北电力大学电气工程学院；东北电力大学电气工程学院

摘要：为识别距离较近的防振锤，提出基于改进YOLOv4的防振锤自动检测方法。YOLOv4方法采用具有固定阈值的非极大值抑制方法选取检测框，较低的阈值会导致丢失高度重叠的目标，而较高的阈值则会导致更多的误检。为此，提出动态非极大值抑制方法，并将其应用于YOLOv4目标检测。该方法根据目标周围检测框的统计特性确定出动态阈值，提高边界框选择的准确性，降低高度重叠防振锤检测中的错检和漏检概率。为进一步提高防振锤检测精度，采用分段线性函数作为激活函数，克服YOLOv4算法中Leaky ReLU函数对负值处理不理想且函数曲线不平滑的问题，增强了模型的非线性表达能力。结果表明：基于改进YOLOv4的防振锤目标检测方法能够很好地检测出重叠的防振锤，且检测精度更高。

关键词：防振锤检测;深度学习;YOLOv4算法;非极大值抑制

基金资助：国家自然科学基金青年科学基金项目（61901007）；吉林省科技发展计划项目（YDZJ202101ZYTS172）;吉林省教育厅“十三五”科学技术项目(JJKH20210042KJ； JJKH20220054KJ); 北华大学青年科技创新团队（202016003）