基于YOLOv5的电力线和杆塔实时检测算法研究

来源：计算机测量与控制杂志2022年第11期北京时间：

作者：叶树芬,施振华,苏成悦,梁立翀,黄海润,关家华

单位：广东工业大学 物理与光电工程学院

摘要：针对当前电力线路检测中存在深度学习网络参数量大、计算复杂度高等问题；在YOLOv5的基础上提出一种电力线和杆塔的实时检测算法；通过减少Bottleneck数量来简化特征提取层网络结构，使用深度可分离卷积技术实现模型计算量的降低；分析电力线目标框筛选机制，改进(Non-Maximum Suppression)NMS算法，提升模型目标检测精度；实验结果表明，对Bottleneck的改进在识别精度有所提高的情况下能有效降低模型的参数量，模型检测准确率和召回率分别达到94%与95%，体积压缩了20.7%，在Jetson Nano嵌入式平台上检测速度达到17.2 fps，对两类电力线路目标检测达到较高的识别率和实时性，对无人机电力巡检导航有较好的参考价值。

关键词：电力线路检测;Bottleneck;深度可分离卷积;NMS;嵌入式平台