个人卖家：
zhuge帮忙
创建于：2025-08-23
| 使用环境 |
在架空输电线路的日常巡检中，使用无人机（UAV）搭载的图像处理系统，相机镜头距离绝缘子50cm，平行于绝缘子拍摄，环境光照条件良好，相机采用Dahua 2MP网络子弹相机，具备全彩技术，固定2.8mm镜头，H.265+/H.264+压缩，IP67防护等级，适合室内和室外环境。 |
| 使用对象 |
架空输电线路中的绝缘子，包括正常绝缘子和自爆缺陷绝缘子。 |
| 使用目的 |
通过实时检测和分类绝缘子缺陷，提高输电线路巡检的效率和准确性，减少人工检测的误差，提升线路的安全性和可靠性。 |
| 输入数据 |
绝缘子图像帧，分辨率为1920×1080，格式为JPEG。 |
| 输出数据 |
检测到的绝缘子缺陷类别（正常绝缘子或自爆缺陷绝缘子），以及对应的置信度分数。 |
| 硬件配置 |
CPU：Intel Core i5-8300H（主频2.30GHz）
GPU：NVIDIA GeForce GTX 1050（8GB显存）
内存：8GB |
| 样本获取 |
在实际架空输电线路现场，以不同角度、距离、光照条件下录制视频帧，获取4723张样本图像，其中525张用于训练集，584张用于测试集。 |
| 测试结果 |
对测试集中的584个样本进行全面测试，失败0次，成功584次，错误率为0%，对应的成功率为100%。 |
| 执行速度 |
识别速度2.53帧/秒。 |
| 资源消耗 |
CPU：4核，平均占用率约70% GPU：8GB显存，平均占用率约60% 内存：8GB，平均占用率约50% |
| 源码类型 |
Python版本源码 |
| 文件大小 |
算法程序文件32KB，权重文件156MB。 |
| 相关备注 |
本算法基于GhostNet-YOLOV4模型开发，适用于架空输电线路中的绝缘子缺陷检测与分类任务。算法具有高精度、高效率的特点，能够有效提升巡检过程中的质量控制水平。 |
