基于改进Yolov5s的输电线路防外力破坏行为检测识别

来源：计算机测量与控制杂志2024年第2期北京时间：

作者：郑良成,曹雪虹,焦良葆,高阳,王彦生

单位：南京工程学院 人工智能产业技术研究院

摘要：电力系统的安全对于整个能源传输过程至关重要。针对输电线路下超大工程车辆和烟火为主要的外力破坏行为，对单阶段目标检测算法YOLOv5s进行改进，首先针对输电线路多雨雾烟尘等工作环境，引入限制对比度自适应直方图均衡算法CLAHE对图片进行去雾处理，提升图片对比度；针对检测目标距离较远的问题，在YOLOv5s网络的基础上添加CA注意力机制，提升了模型对目标的定位能力；将原网络中的最邻近差值采样方式替换为轻量级通用上采样算子CARAFE，更好地捕捉特征图的同时引入较小的参数量；最后在网络的特征融合层，使用具有通道混洗思想的GSConv卷积模块代替标准卷积模块，减小模型参数量，再利用slim_neck特征融合结构，强化目标关注度，达到减小模型参数量同时提升检测精度的效果。实验结果表明：改进后的YOLOv5s网络，mAP提升了4.4%，参数量减小了3.4%，权重模型内存减小了2.7%，证明了算法的有效性。

关键词：目标检测;外力破坏;YOLOv5s;CA注意力;CARAFE;GSConv_Slimneck

基金资助：江苏省自然科学基金资助项目(BK20201042)；江苏省政策引导类计划项目(SZ-SQ2020007)