【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及輸電線路，尤其是涉及一種基于改進(jìn)yolov8的輕量化輸電線路異物識別方法。
技術(shù)介紹
1、輸電線路是電力系統(tǒng)中的重要組成部分，其安全穩(wěn)定運(yùn)行直接關(guān)系到電力傳輸?shù)目煽啃浴Ｈ欢捎谳旊娋€路長期暴露在戶外，容易受到鳥巢、風(fēng)箏、氣球等異物的侵?jǐn)_，這些外部異物的侵入可能會引發(fā)短路、跳閘等嚴(yán)重故障，威脅電網(wǎng)的安全運(yùn)行。因此，及時(shí)有效地識別輸電線路上的異物，成為保障電力系統(tǒng)穩(wěn)定運(yùn)行的重要任務(wù)。目前，輸電線路的巡檢主要依賴于人工或半自動化設(shè)備，雖然在一定程度上提升了巡檢效率，但人工巡檢存在人力成本高、覆蓋范圍有限以及巡檢質(zhì)量不穩(wěn)定等問題。此外，隨著輸電線路的不斷擴(kuò)展，傳統(tǒng)的巡檢方式已難以滿足日益增長的巡檢需求。
2、為了解決輸電線路異物識別中的效率和準(zhǔn)確性問題，基于圖像識別的自動化技術(shù)逐漸成為研究熱點(diǎn)。yolo作為目前廣泛應(yīng)用于目標(biāo)檢測任務(wù)的主流算法，憑借其高速度和準(zhǔn)確率，在工業(yè)場景中得到了廣泛應(yīng)用。然而，傳統(tǒng)的yolo模型存在參數(shù)量大、計(jì)算復(fù)雜度高等問題，這使得其在資源受限的移動設(shè)備(如無人機(jī)巡檢)上難以實(shí)現(xiàn)實(shí)時(shí)檢測。為了應(yīng)對這一挑戰(zhàn)，越來越多的研究人員不斷探索輕量化模型的改進(jìn)方案，力求在確保識別精度的同時(shí)，減少模型復(fù)雜度并提高實(shí)時(shí)檢測性能。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的是提供一種基于改進(jìn)yolov8的輕量化輸電線路異物識別方法，通過輕量化的結(jié)構(gòu)設(shè)計(jì)和上下文感知模塊，解決了無人機(jī)異物檢測中高計(jì)算成本和復(fù)雜場景感知能力不足的問題，實(shí)現(xiàn)了在資源受限環(huán)境下的高效、精確
2、本專利技術(shù)提供了一種基于改進(jìn)yolov8的輕量化輸電線路異物識別方法，包括以下步驟：
3、s1、數(shù)據(jù)預(yù)處理；
4、搜集數(shù)量相同的照片和yolo格式標(biāo)注文件整合為數(shù)據(jù)集，將數(shù)據(jù)集轉(zhuǎn)化為voc格式的xml標(biāo)注文件，xml標(biāo)注文件通過圖像霧化、圖片遮擋、圖像翻轉(zhuǎn)對數(shù)據(jù)集進(jìn)行擴(kuò)充；
5、s2、數(shù)據(jù)集中的異物識別以yolov8n為基線模型，通過引入ghostconv卷積模塊、c2f-contextguided模塊和構(gòu)建輕量化檢測頭lighted-detect；將conv卷積模塊替換為ghostconv卷積模塊，將c2f模塊替換為c2f-contextguided模塊，將detect檢測頭替換為輕量化檢測頭lighted-detect，形成yolov8-gcl模型；
6、s3、對異物識別的可視化和yolov8-gcl模型評估；檢驗(yàn)yolov8-gcl模型的有效性，使用精度p、召回率r以及平均精度均值map指標(biāo)對模型進(jìn)行評估。
7、優(yōu)選的，在步驟s1中，按8:1:1的比例將數(shù)據(jù)集隨機(jī)劃分為訓(xùn)練集、驗(yàn)證集、測試集。
8、優(yōu)選的，在步驟s2中，ghostconv卷積模塊首先利用卷積核進(jìn)行特征提取，然后對提取的特征進(jìn)行線性變換運(yùn)算，最后經(jīng)過拼接操作得到特征圖。
9、優(yōu)選的，在步驟s2中，c2f-contextguided模塊首先使用conv1×1卷積減小通道數(shù)，通過標(biāo)準(zhǔn)卷積conv3×3獲取模型的局部特征信息floc，并通過擴(kuò)張率為2的空洞卷積diconv3×3獲得上下文信息fsur；隨后，通過將局部信息與周圍上下文信息連接，并使用批量歸一化bn和silu激活函數(shù)進(jìn)一步提升特征表示，得到聯(lián)合特征信息fjoi；c2f-contextguided模塊利用全局平均池化gap獲取全局信息，隨后，通過兩個(gè)全連接fc層進(jìn)一步提煉，獲得全局信息fglo，最后通過殘差連接將輸入與輸出特征關(guān)聯(lián)。
10、優(yōu)選的，在步驟s2中，輕量化檢測頭lighted-detect基于特征金字塔網(wǎng)絡(luò)fpn輸出的p3、p4和p5特征層，進(jìn)行了輕量化優(yōu)化，用于分類cls與回歸reg任務(wù)，深度卷積后通過1x1的卷積進(jìn)行壓縮與優(yōu)化，同時(shí)，分類任務(wù)使用兩個(gè)1x1卷積處理，進(jìn)一步細(xì)化分類所需的特征表示。
11、優(yōu)選的，在步驟s3中，精度表示預(yù)測數(shù)據(jù)中預(yù)測正確正樣本占實(shí)際正樣本的比例，召回率表示樣本中的正確類別被預(yù)測正確的概率，其公式如下所示：
12、
13、其中tp表示正樣本中被預(yù)測為正的數(shù)量；fp表示負(fù)樣本中被預(yù)測為正的數(shù)量；其中fn表示正樣本中被預(yù)測為負(fù)的數(shù)量。
14、優(yōu)選的，在步驟s3中，以p為縱坐標(biāo)，r為橫坐標(biāo)進(jìn)行繪圖可以得到pr曲線，平均精度ap則表示pr曲線下所圍成的面積，如下式所示，面積越大表示模型對數(shù)據(jù)處理的效果越好；現(xiàn)階段多采用map對yolov8-gcl模型檢測效果進(jìn)行衡量，其表示所有類別平均精度的均值，
15、
16、如下式所示，其中nclass表示類別個(gè)數(shù)，map的值越大表示yolov8-gcl模型檢測效果越好；
17、
18、各參數(shù)的損失值隨迭代逐漸下降，最終趨于收斂，繪制損失值變化曲線；計(jì)算精度、召回率和map值并繪制變化曲線。
19、優(yōu)選的，在步驟s3中，引入gradcam熱力圖，對yolov8-gcl模型和對異物的定位效果進(jìn)行可視化，gradcam采用梯度加權(quán)類激活映射的方法生成熱力圖，選取輸電線路異物圖像進(jìn)行測試。
20、因此，本專利技術(shù)采用上述的一種基于改進(jìn)yolov8的輕量化輸電線路異物識別方法，通過輕量化的結(jié)構(gòu)設(shè)計(jì)和上下文感知模塊，解決了無人機(jī)異物檢測中高計(jì)算成本和復(fù)雜場景感知能力不足的問題，實(shí)現(xiàn)了在資源受限環(huán)境下的高效、精確檢測。
21、下面通過附圖和實(shí)施例，對本專利技術(shù)的技術(shù)方案做進(jìn)一步的詳細(xì)描述。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于改進(jìn)yolov8的輕量化輸電線路異物識別方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)yolov8的輕量化輸電線路異物識別方法，其特征在于，在步驟S1中，按8:1:1的比例將數(shù)據(jù)集隨機(jī)劃分為訓(xùn)練集、驗(yàn)證集、測試集。
3.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)yolov8的輕量化輸電線路異物識別方法，其特征在于，在步驟S2中，GhostConv卷積模塊首先利用卷積核進(jìn)行特征提取，然后對提取的特征進(jìn)行線性變換運(yùn)算，最后經(jīng)過拼接操作得到特征圖。
4.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)yolov8的輕量化輸電線路異物識別方法，其特征在于，在步驟S2中，C2f-ContextGuided模塊首先使用Conv1×1卷積減小通道數(shù)，通過標(biāo)準(zhǔn)卷積Conv3×3獲取模型的局部特征信息floc，并通過擴(kuò)張率為2的空洞卷積DIConv3×3獲得上下文信息fsur；隨后，通過將局部信息與周圍上下文信息連接，并使用批量歸一化BN和SiLU激活函數(shù)進(jìn)一步提升特征表示，得到聯(lián)合特征信息fjoi；C2f-ContextGuided模塊利用全局平均池
5.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)yolov8的輕量化輸電線路異物識別方法，其特征在于，在步驟S2中，輕量化檢測頭Lighted-detect基于特征金字塔網(wǎng)絡(luò)FPN輸出的P3、P4和P5特征層，進(jìn)行了輕量化優(yōu)化，用于分類Cls與回歸Reg任務(wù)，深度卷積后通過1x1的卷積進(jìn)行壓縮與優(yōu)化，同時(shí)，分類任務(wù)使用兩個(gè)1x1卷積處理，進(jìn)一步細(xì)化分類所需的特征表示。
6.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)yolov8的輕量化輸電線路異物識別方法，其特征在于，在步驟S3中，精度表示預(yù)測數(shù)據(jù)中預(yù)測正確正樣本占實(shí)際正樣本的比例，召回率表示樣本中的正確類別被預(yù)測正確的概率，其公式如下所示：
7.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)yolov8的輕量化輸電線路異物識別方法，其特征在于，在步驟S3中，以P為縱坐標(biāo)，R為橫坐標(biāo)進(jìn)行繪圖可以得到PR曲線，平均精度AP則表示PR曲線下所圍成的面積，如下式所示，面積越大表示模型對數(shù)據(jù)處理的效果越好；現(xiàn)階段多采用mAP對YOLOv8-GCL模型檢測效果進(jìn)行衡量，其表示所有類別平均精度的均值，
8.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)yolov8的輕量化輸電線路異物識別方法，其特征在于，在步驟S3中，引入GradCAM熱力圖，對YOLOv8-GCL模型和對異物的定位效果進(jìn)行可視化，GradCAM采用梯度加權(quán)類激活映射的方法生成熱力圖，選取輸電線路異物圖像進(jìn)行測試。
...【技術(shù)特征摘要】
1.一種基于改進(jìn)yolov8的輕量化輸電線路異物識別方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)yolov8的輕量化輸電線路異物識別方法，其特征在于，在步驟s1中，按8:1:1的比例將數(shù)據(jù)集隨機(jī)劃分為訓(xùn)練集、驗(yàn)證集、測試集。
3.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)yolov8的輕量化輸電線路異物識別方法，其特征在于，在步驟s2中，ghostconv卷積模塊首先利用卷積核進(jìn)行特征提取，然后對提取的特征進(jìn)行線性變換運(yùn)算，最后經(jīng)過拼接操作得到特征圖。
4.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)yolov8的輕量化輸電線路異物識別方法，其特征在于，在步驟s2中，c2f-contextguided模塊首先使用conv1×1卷積減小通道數(shù)，通過標(biāo)準(zhǔn)卷積conv3×3獲取模型的局部特征信息floc，并通過擴(kuò)張率為2的空洞卷積diconv3×3獲得上下文信息fsur；隨后，通過將局部信息與周圍上下文信息連接，并使用批量歸一化bn和silu激活函數(shù)進(jìn)一步提升特征表示，得到聯(lián)合特征信息fjoi；c2f-contextguided模塊利用全局平均池化gap獲取全局信息，隨后，通過兩個(gè)全連接fc層進(jìn)一步提煉，獲得全局信息fglo，最后通過殘差連接將輸入與輸出特征關(guān)聯(lián)。
5.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)yolov8...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：呂金淼，郝國剛，林雄武，李縉，馬海超，惠晨煒，章海鯤，張中強(qiáng)，郭建勛，朱亞洲，孔文龍，謝實(shí)平，張釗，莊震，吳迪，王潮，苗俊，牛子威，
申請(專利權(quán))人：國網(wǎng)冀北電力有限公司張家口供電公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。