一种改进YOLOv5s的自爆绝缘子检测算法研究_王红君.pdf

（）年 第 卷 第 期 收稿日期：基金项目：天津市自然科学基金重点项目（）；天津市教委重点基金项目（）作者简介：王红君，女，教授，硕士生导师，主要从事图形图像处理、复杂系统智能控制理论及应用、电力系统及其自动化研究，-：；通信作者 王金云，女，硕士研究生，主要从事目标检测、电力巡检研究，-：。本文引用格式：王红君，王金云，赵辉，等 一种改进 的自爆绝缘子检测算法研究 重庆理工大学学报（自然科学），（）：，-（），（）：（）一种改进 的自爆绝缘子检测算法研究王红君，王金云，赵辉，岳有军（天津理工大学 天津市复杂系统控制理论与应用重点实验室，天津 ；天津农学院 工程技术学院，天津 ）摘要：针对绝缘子缺陷巡检过程中，传统算法因背景复杂难以同时兼顾检测精度与模型大小的问题，提出一种基于改进 的绝缘子缺陷检测模型。首先，采用 结构，引入轻量型空间与通道卷积注意力机制，强化绝缘子特征并抑制复杂背景特征；然后，提出一种改进的 结构，实现多尺度特征融合，提升小目标检测能力；最后，采用 -算法重新聚类先验框，并设计轻量型 和 模块，保证网络精度的同时减小模型大小。实验结果表明：改进算法在 数据集上的 值达到 ，提升了.，参数量减少了 ，浮点运算量减少了 ，漏检率降低了 ；在公开数据集上，缺陷绝缘子 值达到 ，各项评估指标值优于 -、和 -主流算法以及绝缘子检测相关算法。关键词：绝缘子缺陷；目标检测；算法；改进 ；轻量化网络中图分类号：文献标识码：文章编号：（）引言电力线路中绝缘子串具有电气绝缘和机械支撑作用，是高压输电线路的重要组成部分 。绝缘子故障占电力设备故障 的比例较多，是直接威胁线路安全与稳定的重要因素。近年来，深度学习算法取得了突破性进展 ，卷积神经网络的检测精度高、范围广，对绝缘子缺陷检测适用性强，采用无人机 机器视觉巡检缓解了传统人工作业的压力，但在部署模型轻量化和精度优化上提出了更高的需求 。针对绝缘子缺陷检测，众多学者开展了相关研究。张烨等 采用 算法实现了输电铁塔涉鸟故障的识别，准确度均值为 .；袁田等 针对玻璃绝缘子自爆、裂缝问题采用了激光检测方法，认为场测量方式解决玻璃裂缝 测 量 最 好；等 采 用 两 阶 段 -算法对电力线路进行巡检，对无人机图像中的绝缘子缺陷进行识别并判断，总体检测精度达到 ；唐小煜等 基于 -分割模型提出一种改进的 -网络，通过提取绝缘子掩模实现缺陷检测；刘子英等 对绝缘子污秽等级进行判断；马鹏等 采用迁移学习方法对电力设备部件做定位与识别，绝缘子等 类电力设备检测的平均精准度达到 ；翟永杰等 建立了以混合样本为基础的迁移学习方法并提出均衡损失函数，解决样本不平衡问题，绝缘子缺陷检测精度达到 ；李利荣等 提出一种多尺度特征编码与双重注意力融合的绝缘子缺陷检测方法，精度达到了 ；同样有研究采用 进行实时检测 ；有学者在部署轻量化方面改进，在较新的网络 上做出轻量化处理 。此外，研究者们还采用层次多任务深度学习、超声导波、等方法 对绝缘子缺陷进行了研究。上述研究虽然在一定程度上解决了绝缘子缺陷检测问题，但存在原始数据场景较少、复杂背景下不能同时兼顾检测精度和模型大小的问题。为此，提出了一种基于注意力机制的加权双向特征金字塔的 改进算法。其中，在 部分采用 结构并引入轻量型空间与通道卷积注意力机制来提升网络的特征提取能力；在 部分，融合本文中提出的改进加权双向特征金字塔网络 结构，实现对小尺度特征信息的提取以及多尺度特征的快速融合。借鉴 模块，设计轻量型 和 模块，并针对绝缘子细长的特点，采用 -算法对先验框进行重新聚类，解决已有算法存在的精度与模型大小不能兼顾的问题。网络结构 的输入端采用自适应图片缩放、锚框计算以及 数据增强的方式对检测目标进行处理。部分用于提取特征，其中 为 中的独有结构，采用切片操作将输入通道扩充为原来的倍。部分包含了提取融合特征的颈部（）和 模块，部分采用了特征金字塔网络（，）与路径聚合网络（-，）相结合的结构 ，将 层通过上采样的方式与自底向上的特征金字塔进行结合，层将低层特征与高层特征进行传递融合，同时将主干层与检测层进行特征融合，使模型能更好地提取重要特征。网络改进 算法虽然在模型大小和检测精度方面有了很大提升，但由于自爆绝缘子图像存在抖动、背景复杂、缺陷目标小而模糊等问题，影响了识别效果。为方便巡检人员对自爆故障的精确定位，提升巡检效率，以轻量型 为基础，在主干网络最后一层嵌入空间与通道注意力机制，提高 输出特征图中明显的特征；再采用改进的 特征融合，关注小尺度信息；然后，更新锚框尺寸去除冗余框，并采用残差连接，增强整个卷积神经网络的学习性能；最后，改进 、，将网络模型减小。通过上述改进，实现缺陷识别网络的精度及轻量化设计。主干网络优化主干采用标准 堆叠加标准卷积层的 结构，该结构将原输入分成卷积操作和 操作 个分支。卷积操作能够使 减小一半，再与 操作进行 连接，最后进行一次 操作。模块在不改变输入尺寸大小的情况下，通过残差连接的思想能够提取出更细的缺陷绝缘子特征且网络不退化，增强了整个卷积神经网络的学习性能。在复杂环境中的缺陷绝缘子，如田间、河流等背景多样化时，缺陷部位较小，经过 部分的多层卷积后绝缘子缺陷信息丢失严重。为更好地关注特征，通过添加注意力机制着重提取图像中的绝缘子缺陷特征。目前主流的注意力模块 只考虑通道信息而忽略了空间与位置信息；只在通道上的全局池化引入了局部位置信息，不能获取特征图中的长程依赖。同时，两者带来的计算开销与参数量过大，轻量级网络难以承受。因此，在 的第 层嵌入一种新颖且高效的轻量级注意力机制模块 ，并去掉 中的 层，降低计算的复杂性，如图 所示。此结构通过将特征图的位置信息嵌入到通道注意力中着重提取绝缘子特征，抑制背景等非重要特征提取，减少了有用信息的丢失，将更丰富的信息特征送入 部分进行特征融合，能有效提高复杂背景下绝缘子缺陷的识别准确率。图 注意力模块结构框图 操作分为协调信息嵌入和协调注意生成两步。在第一步中，为促进注意力机制捕获具有精确信息的长程依赖，按照式（）将全局池化分解为 个一维全局池化，即给定输入特征，使用尺寸不同的 分别沿着垂直与水平坐标方向对每个通道进行特征编码操作，宽度为 、高度为 的第 通道分别如式（）（）所示。防止了引入二维全局池化时造成位置信息的损失，使模块能精确地捕捉位置信息，可以加强绝缘子注意区域的表达。（，）（）（）（，）（）（）（，）（）在第二步中，将上述变换进行连接，使用 卷积进行通道压缩，利用变换函数 对其进行变换操作，如式（）所示。（，）（）式中：，为沿空间维数的连接操作；是非线性激活函数。生成的 （）中间特征图是水平、垂直两个方向编码的特征映射，用来控制模块缩减率。接着，将 沿空间维数分解为 个单独的张量 与 ，再经过 卷积将 和 与输入通道数变换成一致，见式（）和式（）。（）（）（）（）设缩减比 来缩小 的通道数，采用此方法降低模型的复杂度并减少计算量开销。最终，将输出 和 扩展为注意权重，的输出 可表示为式（）。（，）（，）（）（）（）部分优化 年，谷歌团队开发的 算法 中提出了重复加权双向特征金字塔网络 的全新特征融合方法，它允许快速和简单的多尺度融合。为了提高 对自爆故障的小目标检测能力，本文中提出一种改进的 ，结构如图 所示。图 改进的 结构示意图以 为例，的输出节点有效融合了 的输入信息和下采样信息、的本身信息和中间信息以及 的小尺度信息。将每个输出节点都经过空间与通道注意力机制，实现对不同空间与通道特征的筛选，并作为输入信息传给下一层改进 特征提取结构。由于不同分辨率下的不同输入特征对输出特征贡献不同，为每个输入添加了额外的权重来判断不同输入的重要性；移除了只有一条输入边没有融合特征的节点来减少此结点对特征网络的贡献；在输入节点与同一水平输出节点添加横向连接以缓解层级多造成的特征信息丢失；在输入节点及下一输出节点间增加一条额外边，用重复堆叠的方式获得更高级融合特征，使网络更好地平衡不同尺度的特征信息。同时，在下采样过程中，连接中间结点与输出节点，即加入上采样时小尺度一级中间信息，使网络更加关注到小目标特征。王红君，等：一种改进 的自爆绝缘子检测算法研究以上结构虽添加了 ，但其为轻量型模块，模型大小仅增加了 ，并未过多影响检测实时性。改进的 结构在增加少量计算的代价下更加关注有效的空间与通道特征，使模型扩大故障绝缘子的感受野，更好地学习小尺度信息，提取丰富的特征信息，进而提升小目标的检测精度。轻量化处理 能够用计算量更低的操作去生成冗余的特征图。为减少模型大小，参考 思路，对 模块和 部分的 模块进行改进。改进的 模块利用 卷积对输入特征图进行 倍的通道压缩，获得必要特征浓缩，并与逐层卷积后获得的相似特征图进行拼接，此过程为 卷积操作。当步长为 时，再通过深度可分离卷积对特征层的宽高压缩，否则进行 操作。之后与深度可分离卷积的残差边部分相加，重复以上过程，最后与 普通卷积残差边进行 操作。模块结构如图 所示。图 模块结构示意图可以看到，用原输出通道数 的卷积核对输入特征图卷积，对于 特征图，使用 的普通卷积，输出 特征图，计算量为：（）而改进模块输出的特征图，逐通道卷积核为 ，计算量为：（）（）计算量之比为（，）：（）可以看出，与普通卷积相比，改进后的计算量约下降原来的 。在保证改进网络检测精度不变的前提下，本文中提出的 模块和 模块可有效减少 模型的参数量和计算量，实现了网络模型轻量化，更易于部署在无人机设备上。改进后的各层级模块参数量与原网络参数如表 所示。表 各层级模块参数量与原网络参数层级名称参数量名称（改）参数量（改）-聚类由于 的锚框尺寸是通过 -算法在 数据集上聚类生成的，默认的先验框比较集中，不适用于具有细长特点的绝缘子缺陷检测，导致模型收敛较慢，且不易达到最优状态。针对绝缘子数据集，采用 -聚类算法重新生成先验框来提高准确率。随机选取 个样本点作为聚类中心，用欧式距离算法计算其他样本点到此样本点的距离，用距离较远的点代替随机选取的样本点，重复以上过程直到选取 个样本点，本实验取 。经聚类后的自适应先验框尺寸分别为（，）（，）（，）。整 个 改 进 网络结构如图 所示。图 改进的 网络结构框图 实验过程与结果分析 数据集采集实验数据集一部分来自中国电力线路绝缘子数据集（张），其中，无人机拍摄的正常绝缘子图像 张，合成缺陷绝缘子图像 张，一部分来自泰迪杯 题的缺陷绝缘子（张）。由于缺陷样本较少，利用旋转、裁剪、调整亮度、缺陷融合等方式将图片进行扩充，包含高压线路中不同尺寸的玻璃、陶瓷、复合绝缘子，以及河流、农田、基塔、草地等复杂背景下的绝缘子图片共 张。在 环境下使用 标注工具对以上图像进行人工标注，共设 、两个标签，以上标注采用 格式，并按照 的比例划分成训练集、测试集、验证集。通过上述工作，完成数据集制作，称为 数据集，此数据集具有广泛代表性。实验配置所有实验统一在同一平台上，对输电线路中的绝缘子缺陷检测进行评估，如表 所示。为节省计算成本，网络模型训练过程的所有原始图像大小都被统一调整为 像素，设置为 ，设置为 次，训练采用随机梯度下降法，初始学习率设置为 ，终止学习率设为 ，最终获得此模型训练权重。表 深度学习软件和硬件平台配置参数配置名称版本参数显卡（）处理器（）（）（）-操作系统 软件及环境 、加速库 编程语言 评价指标为了客观全面地评价改进的 模型，更好地展示检测结果性能，使用在学术界广泛应用的标准度量值来评估该模型，包括精确率（）、召回率 （）、平均精度 （-）、平均精度均值 （）、精准率与召回率的调和平均数 -、漏检率（）以及参数量（）和浮点计算量（）个指标作为评价，具体指标定义式如下：（）（）（）（）（）（）王红君，等：一种改进 的自爆绝缘子检测算法研究（）（）（）式（）、（）、（）中，（）表示被正确识别的正样本，（）表示被正确识别的负样本，（）表示被错误识别的负样本，（）表示被正确识别的负样本。式（）中，值为单类别的 值相加再除以类别数，本文类别数 ，一般以 时计算 值。本文中使用不同阈值上的平均 值作为评价指标，值越大，则网络性能越好。结果分析 改进 对模型性能的影响为分析提出的 的几处改进对实验性能的影响，设计 组实验。实验统一使用本文绝缘子数据集进行测试。试验模型评价结果如表 所示，改进前后的模型评估曲线如图 所示，图 、图 为改进前后的效果图。表 试验模型评价结果改进方法 -图 改进前后 曲线图 展示了无人机在电力巡线过程中因抖动致使拍摄图像模糊的特殊情况以及绝缘子被遮挡的特殊情况。从检测结果看，检测自爆绝缘子时，-算法重新聚类了先验框，使框更为准确，有效去除了抖动产生的冗余先验框；引入空间、位置信息后，更好地提取了缺陷特征，对模糊自爆绝缘子图像的检测精度提高了 个百分点；引入改进的 ，使网络更关注小目标特征，能够检测出远处遮挡的绝缘子。表明本文改进算法能够处理好缺陷检测时出现的特殊情况。图 特殊情况下检测图图 改进模型前后检测图由上述可知，改用 -算法针对绝缘子细长特点进行先验框重新聚类产生的 个新检测尺度，使 提升 。部分改进的 及引入 注意力机制的目标检测网络，由于在算法中引入了位置和空间信息，提取出了更丰富的特征，减少了有用信息的丢失，促进了注意力机制捕获具有精确信息的长程依赖，提升了 。融合改进的 后，值从 提高至 。结果表明，使用本文的改进融合加权双向特征金字塔网络能够高效地进行跨尺度连接和加权特征融合，且添加上采样时小尺度一级的中间信息，有效针对目标较小的缺陷部位进行了识别。整体改进模型性能的 值分别提高了 、，提高 ，漏检率降低 。引用本文改进的 、，使模型在精度提高的同时参数量减少了 ，浮点运算量减少了 ，表明 、模块可以压缩通道具有高效轻量化网络的作用。综上所述，改进的 网络在参数量及性能方面都有了显著提升。轻量化实验、公开测试在兼顾检测精度的同时，尝试选用更轻量化的网络模型。主干网络分别使用轻量化网络架构 、以及 进行对比实验，结果如图所示。可以发现，虽然采用 -、能够减少网络参数，但检测精度下降较多，为有效地识别出绝缘子故障，采用能够减少计算量和模型大小而精度不下降的 模块结构。图 轻量化改进 结果为证明改进算法对绝缘子缺陷检测的效果，将改进算法在公开的中国电力线路绝缘子数据集上进行测试。绝缘子缺陷检测的平均精度值达到 ，召回率达到 ，漏检率为 ，效果显著。主流目标检测模型性能对比为了进一步展示基于 改进方法的优越性，采用 -，-模型进行对比实验，并用 、以及参数计算量 项指标进行评估，实验结果如表 所示。可以发现，-的召回率略高，和 的检测精度与本文改进算法相差不多，但改进的 参数量大小为 .，仅占 -、网络的.、，计算量为 ，仅占 -、网络的 、.、，王红君，等：一种改进 的自爆绝缘子检测算法研究而以 上 种 算 法 并 不 易 部 署。改 进 模 型 与 -相比，虽在模型上优势不明显，但识别精度远高于 -。综上所述，本文所提出的检测算法比经典算法性能更好，不仅能够保证复杂背景下的识别精度，而且满足了无人机对绝缘子故障实时识别的要求。表 主流算法实验结果主流目标检测模型骨干网络 -本文改进 为突出本文算法的改进效果，选取文献 ，的绝缘子相关检测算法与本文改进算法进行对比实验，结果如表 所示。分析可知，文献 ，所采用的模型及改进方法在平均检测精度和模型大小上都远差于本文的改进算法。文献 中采用 -对自爆绝缘子先分割再定位的方法，虽然 较本文改进算法有所提高，但参数量高出 ，不能很好地兼顾检测精度与模型大小，本文改进算法更易于部署在嵌入式平台。综上，说明本文改进算法最优。表 相关检测算法结果相关文献模型及改进 -分割 -均衡损失 迁移学习 -本文 改进 结论针对已有的故障绝缘子检测算法检测精度低、检测模型过大的问题，构建了不同背景、不同尺寸、不用材料的数据集，提出一种基于改进 的目标检测算法。首先，采用 作为 的骨干网络，使模型学习到更多特性；其次，引入空间通道注意力机制，并提出一种改进的双向加权特征结构融合于网络中，使网络有效提升小尺度特征；最后，设计轻量化模块，对模型轻量化处理，降低了模型复杂度。此外，采用 -算法获得了更为合适的先验框，通过实验对改进方法进行消融，与不同轻量化方法进行对比。选用公开数据集进行测试，并对比了不同主流算法模型及绝缘子检测相关算法模型。实验结果表明，本文改进算法优于已有模型，采用改进的 模型能在兼顾精度与模型大小的同时对绝缘子自爆故障进行检测，满足巡检需要。参考文献：，-，-，-，（）：黄瑞莹，黄道春，周军，等 直流输电线路杆塔涉鸟故障风险区域研究 电工电能新技术，（）：，-，（）：，（）：，-：张烨，高玉菡，黄新波，等 基于 的 输电铁塔涉鸟故障识别与评估 电网技术，（）：袁田，应斯，向孟宇，等 玻璃绝缘子裂缝的激光检测方法 电网技术，（）：，-，（）：，-：-：，：唐小煜，熊浩良，黄锐珊，等 基于改进的 -和 的绝缘子掩模获取与缺陷检测 数据采集与处理，（）：刘子英，肖建华，邓芳明 基于可见光图像识别的绝缘子污秽等级判别 传感器与微系统，（）：马鹏，樊艳芳 基于深度迁移学习的小样本智能变电站电力设备部件检测 电网技术，（）：翟永杰，杨珂，王乾铭，等 基于混合样本迁移学习的盘型绝缘子缺陷检测 中国电机工程学报，：李利荣，陈鹏，张云良，等 基于多尺度特征编码和双重注意力融合的绝缘子缺陷检测 激光与光电子学进展，：马庆禄，鲁佳萍，唐小垚，等改进 的公路隧道烟火检测方法 浙江大学学报（工学版），（）：，：，（）：，（）：苟军年，杜愫愫，王世铎，等 轻量化特征融合的 -输电线路绝缘子自爆检测 北京航空航天大学学报：，-，（）：罗潇，於锋，彭勇 基于深度学习的无人机电网巡检缺陷检测研究 电力系统保护与控制，（）：徐建军，黄立达，闫丽梅，等 基于层次多任务深度学习的绝缘子自爆缺陷检测 电工技术学报，（）：马君鹏，孙兴涛，李硕，等 基于超声导波的盆式绝缘子缺陷检测及定位 高电压技术，（）：，-：，：杨其晟，李文宽，杨晓峰，等 的苹果花生长状态检测方法 计算机工程与应用，（）：，：，：王红君，等：一种改进 的自爆绝缘子检测算法研究 -，（，；，）：，-，-，；，-，-：；（责任编辑杨黎丽）