基于TR-YOLOv5的绝缘子异常检测算法研究

来源：计算机应用与软件杂志2025年第8期北京时间：

作者：潘卫华, 吕青苗, 苏攀

摘要：为实现绝缘子异常的准确识别和定位，提出一种改进轻量级网络模型YOLOv5的绝缘子状态异常检测方法TR-YOLOv5。该文利用基于自注意力机制的Transformer-Encoder模块改进特征提取网络以提高模型的检测精度；新增一个针对小目标的预测层，并利用K-means 聚类算法设计目标锚框参数，为后续特征融合提供更多低层特征信息；采用EIoU作为损失函数，优化Loss值曲线，结合多尺度数据增强策略以实现 目标的高精度定位。实验结果表明，TR-YOLOv5模型准确率可达94.2%,能够有效识别绝缘子异常目标。

关键词：绝缘子检测, 异常识别, YOLOv5 模型, Transformer-Encoder, 损失函数