摘要
本发明涉及一种改进YOLOv5s模型的轻量化变电缺陷识别检测方法及系统,具体步骤包括:获取待检测变电设备的图像,输入至训练好的变电缺陷识别模型进行缺陷识别;其中,改进的YOLOv5s模型具体为:构建包括深度可分离卷积和逆残差结构,并结合CBAM注意力机制的Bneck结构;使用Bneck结构替换C3结构中Bottleneck结构中的CBS卷积块,形成C3‑Bneck结构;在YOLOv5s模型的主干提取网络中,将所有C3结构替换为C3‑Bneck结构,并将单独的所有CBS卷积块替换为DWConv深度卷积块;采用K‑means++算法替换原YOLOv5s模型中的K‑means算法对先验框进行聚类。
技术关键词
识别检测方法
识别检测系统
检测变电设备
注意力机制
聚类
残差结构
概率分布函数
算法
样本
通道
模型训练模块
处理器
表达式
数据
识别模块
可读存储介质
网络
系统为您推荐了相关专利信息
电池状态信息
状态识别方法
人工智能模型训练
汽车
云端
脑肿瘤分割
脑肿瘤分类
多模态
图像识别系统
模态特征
手语翻译方法
关键点特征
左手
轻量级深度学习
人体关键点
激光检测方法
频谱特征
回波
障碍物
卷积神经网络模型
节点
协作关系
交互网络
调度系统
PageRank算法