使用改进Yolov5的变电站绝缘子串检测方法

摘要: 针对变电站绝缘子串水冲洗机器人在复杂光照环境下无法准确识别绝缘子的问题，提出了一种基于改进Yolov5的绝缘子检测方法。首先针对逆光环境下图像质量差导致算法失效的问题，提出了一种模拟过曝增强算法，并应用到数据增强过程中；此外，针对变电站绝缘子检测任务，对网络的Neck进行了优化裁剪，使推理速度获得了提升；最后，使用注意力机制改善了裁剪后网络检测精度下降的问题。实验表明，改进后的Yolov5在检测精度基本不变的情况下推理速度提高了25%，并且对于逆光下图像的检测精度获得了大幅提升。

• 关键词: 
• Yolov5  /  
• 绝缘子  /  
• 注意力机制  /  
• 逆光环境  /  
• 计算机视觉  /  
• 深度学习  /  
• 人工智能  /  
• 目标检测  

绝缘子主要用于电气绝缘和机械支撑，是架设输电线路过程中的重要原件。在输电线路的运行过程中，绝缘子长期承受高压电流和自然环境变化的影响，其表面堆积的污秽会导致绝缘子的绝缘能力下降，严重时可能导致闪络事故[1]。使用高压水枪对绝缘子串进行水冲洗可以有效地防止闪络事故[2]，为了不影响工业生产，目前常采用的方法是人工带电水冲洗，这种方式操作难度高、安全性差。目前，研制一种新型的可替代人工完成变电站带电水冲洗作业的智能机器人越来越受到重视[3]。在水冲洗机器人进行作业时，机器人需要具备识别出绝缘子串位置的能力，因此如何在变电站环境中准确地识别绝缘子是本文的研究重点。

传统方法多是利用