改进YOLO v7的绝缘子检测与定位

来源：计算机工程与应用杂志2024年第4期北京时间：

作者：张剑锐, 魏霞, 张林鍹, 陈燕楠, 卢杰

单位：1. 新疆大学 电气工程学院，乌鲁木齐 830017；2. 清华大学 国家计算机集成制造系统工程技术研究中心，北京 100084

摘要：针对电力系统目标检测任务中绝缘子大小不一、背景干扰等影响而导致精度低、漏检率高的问题，提出了基于改进YOLO v7绝缘子检测与定位方法。在YOLO v7骨干网络中加入轻量级注意力机制（convolutional block attention module, CBAM），使网络模型从通道、空间两个方面更加关注绝缘子特征，降低绝缘子检测中的漏检率。在网络模型深层添加集中特征金字塔（concentrated feature pyramid, CFP），使不同尺度的特征图进行信息交换和聚合，进而获得更加全面的绝缘子特征，提高绝缘子检测精度。通过k-means算法对预选框聚类，得到最适合绝缘子预选框大小。实验结果表明，改进以后的YOLO v7网络模型平均检测精度（mean average precision, mAP）达到96.2%，精准率为90.8%，召回率为93.8%。改进的方法在电力系统绝缘子检测中具有较广泛的应用前景。

关键词：目标检测,深度学习,无人机巡检图像,绝缘子识别