摘要
本发明公开了一种输电线路异物检测方法,属于图像识别技术领域。通过构建基于YOLOv8的输电线路异物检测模型,该模型包括依次连接的骨干网络、颈部网络和头部网络,将骨干网络和颈部网络中的C2F模块替换为DMSA模块,从而基于训练集对输电线路异物检测模型进行训练,基于验证集对训练过程中的输电线路异物检测模型进行评估,得到训练好的输电线路异物检测模型,将测试集输入到训练好的输电线路异物检测模型中进行检测,得到检测结果。由此,通过DMSA模块累计多个感受野的特征映射,使得检测结果保留了更加细腻的多尺度特征,并且在保证特征信息不丢失的情况下降低计算量,显著提升输电线路异物检测效率。
技术关键词
输电线路异物检测
输电线路巡检图像
网络
卷积模块
信息不丢失
生成多尺度
图像识别技术
图像处理模块
可读存储介质
训练集
处理器
输出特征
测试模块
计算机设备
系统为您推荐了相关专利信息
伺服电机控制方法
伺服电机控制系统
强化学习算法
生成驱动信号
深度确定性策略梯度
智慧城市一体化
数据分类模型
GIS系统
街道
交互终端