摘要
本发明公开了一种基于轻量级CGC‑YOLO的绝缘子缺陷检测方法,S1:构建输电线路绝缘子缺陷的图像数据集,并划分为训练集和验证集;S2:构建CGC‑YOLO网络模型,该模型包括主干网络、颈部网络与头部网络;S3:利用训练集的绝缘子缺陷图像对CGC‑YOLO网络模型进行训练,并利用验证集的绝缘子缺陷图像在训练过程中评估CGC‑YOLO网络模型的性能,得到训练好的CGC‑YOLO网络模型;S4:将待测绝缘子缺陷图像输入至训练好的CGC‑YOLO网络模型进行绝缘子缺陷的检测。本发明通过优化模型结构和引入创新的模块,在低计算量下实现了高精度的绝缘子缺陷检测,适用于复杂环境下的高效巡检需求,显著提升了检测效果和设备端的实用性。
技术关键词
绝缘子缺陷
注意力机制
卷积模块
输电线路绝缘子
输出特征
图像
上采样
抑制算法
残差网络
批量
模型预测值
尺寸缺陷
标注工具
拼接模块
污秽
数据
系统为您推荐了相关专利信息
工业产品图像
融合卷积神经网络
工业缺陷检测
引入注意力机制
定位方法
时序卷积神经网络
时序特征
模型算法
非线性回归模型
风速
参数优化系统
LSTM模型
网格搜索方法
神经网络预测模型
双向长短期记忆
降水预报方法
空间模块
雷达回波数据
空间特征信息
卷积模块
语言模型得分
文本
计算方法
语音识别系统
语音特征