陕西师范大学学报(自然科学版)

作者：雷磊, 魏小龙, 梁俊, 董倩, 肖樟树

单位：国网陕西省电力有限公司电力科学研究院,陕西西安710100,国网西安环保技术中心有限公司,陕西西安710100,国网陕西省电力有限公司,陕西西安710048,陕西师范大学计算机科学学院,陕西西安710119

关键词：输电塔塔基,YOLOv7,目标检测,卷积块注意力模块,WIoU v3

基金：陕北地区电网工程水土流失及次生灾害风险识别与治理关键技术研究与应用(5226KY22000K),国家自然科学基金(61672333)

输电塔作为整个电力传输系统最重要的组成部分之一,需要及时对输电塔进行检测保证塔基的稳固以保障后期的使用。针对无人机采集到的输电塔图像存在背景复杂、背景与目标塔基对比度低、小目标及塔基不完整等问题,提出了基于改进YOLOv7的输电塔塔基检测算法。首先,通过无人机采集不同地形地貌的输电塔图像,构建高质量数据集。然后,在原始YOLOv7的Backbone层中加入卷积注意力模块CBAM注意力机制,以提高输电塔塔基特征的提取能力。最后,引入WIoU v3代替原坐标损失函数CIoU,以提高目标检测任务的准确性和稳定性。在该数据集上,使用改进后的YOLOv7算法与目前主流的目标检测算法进行对比实验,实验结果中所提算法的mAP值高达99.93%,比原始YOLOv7提高2.19%,FPS值为37.125,满足实时检测需求,算法的整体性能较好。实验验证了所提算法在塔基检测上的可行性和有效性,为后续塔基区周围水土情况的研究奠定了基础。

来源：2024年第3期

《陕西师范大学学报(自然科学版)》期刊编辑部

查看陕西师范大学学报(自然科学版)杂志2024年第3期