[发明专利]一种基于改进的YOLOv5s的绝缘子缺陷检测方法

权利要求书

1.一种基于改进的YOLOv5s的绝缘子缺陷检测方法，其特征在于，具体步骤如下：

1)原始图像数据的筛选

从获得的架空输电线路巡检图像中，挑选出含不同背景下、不同类型的正常绝缘子图像和缺陷绝缘子图像；

2)图像预处理

对步骤1)中筛选的缺陷绝缘子图像进行预处理；

3)制作图像数据集

将步骤1)和步骤2)获得的图像数据集分别进行分组，划分为训练图像数据集和测试图像数据集，并分别进行标注；

4)构建基于改进的YOLOv5s的绝缘子缺陷检测网络

⑴构建改进的CSP1_X模块；

⑵构建改进的CSP2_X模块；

⑶构建注意力模块；

⑷构建改进的YOLOv5s网络，从而构建出基于改进的YOLOv5s的绝缘子缺陷检测网络；

5)网络模型训练

将步骤3)中已标注的训练图像数据集作为改进的YOLOv5s网络的输入，进行网络模型训练；

6)网络模型检测性能评估

评估网络模型的检测精度和检测速度；

7)网络模型应用

将已训练的网络模型和模型权重用于实时检测回传图像，快速准确地检测出绝缘子缺陷情况，便于及时进行维修处理；所述已训练的网络模型是满足检测精度设定值和检测速度设定值的网络模型。

2.如权利要求1所述的基于改进的YOLOv5s的绝缘子缺陷检测方法，其特征在于，所述步骤2)图像预处理是对缺陷绝缘子图像进行预处理，包括如下步骤：

⑴采用图像处理软件提取步骤1)中筛选的缺陷绝缘子图像，并将其融入到不同检测背景中，增加含有缺陷绝缘子的图像数量；

⑵对步骤⑴的含有缺陷绝缘子的图像进行随机旋转、裁剪、改变曝光的处理，进一步增加含有缺陷绝缘子的图像数量。

3.如权利要求1所述的基于改进的YOLOv5s的绝缘子缺陷检测方法，其特征在于，所述步骤3)制作图像数据集，具体包括如下步骤：

⑴对步骤1)含有正常绝缘子的图像设定为第一组，将第一组图像划分为用于训练的训练一组图像和用于测试的测试一组图像；

⑵对步骤2)含有缺陷绝缘子的图像设定为第二组，将第二组图像划分为用于训练的训练二组图像和用于测试的测试二组图像；

⑶将训练一组图像和训练二组图像组成模型训练图像数据集，将测试一组图像和测试二组图像组成模型测试图像数据集；

⑷对训练集图像数据集和测试集图像数据集进行标注；

⑸所述第一组图像的划分比例与所述第二组图像的划分比例相同。

4.如权利要求1所述的基于改进的YOLOv5s的绝缘子缺陷检测方法，其特征在于，所述步骤4)的⑴构建改进的CSP1_X模块，具体如下：

①构建第一残差单元模块，所述第一残差单元模块由第一分支和第二分支组成，其中：

所述第一分支依次由两个并行的深度可分离卷积，一个通道拼接操作，一个批归一化模块，一个LeakyReLU激活函数和一个卷积核为1的标准卷积组成；

所述第二分支依次由一个卷积核为1的标准卷积和一个平均池化组成；

每个分支的输出通道数是输入通道数的一半，第一分支的输出和第二分支的输出在通道维度进行拼接，拼接后的输出通道数和第一残差单元模块的输入通道数相同；

②以构建的第一残差单元模块代替YOLOv5s主干特征提取网络中的CSP1_X模块中的残差单元模块，构建出改进后的CSP1_X模块；

③在改进后的CSP1_X模块的最后一层增加通道混合操作Channel Shuffle。

5.如权利要求1所述的基于改进的YOLOv5s的绝缘子缺陷检测方法，其特征在于，所述步骤4)的⑵构建改进的CSP2_X模块，具体如下：

①构建第二残差单元模块；

②以构建的第二残差单元模块代替YOLOv5s主干特征提取网络中的CSP2_X模块中的两个CBL模块，构建改进后的CSP2_X模块；

③在改进后的CSP2_X模块的最后一层增加通道混合操作Channel Shuffle。