个人卖家：
zhuge帮忙
创建于：2025-08-23
基于改进YOLOv5的输电线路小目标缺陷检测算法（DFCG_YOLOv5）
￥799.00
| 使用环境 |
在输电线路巡检场景中，使用无人机在距离输电线路3 - 4米的高度进行拍摄，拍摄图像的最大分辨率为8688×5792。该算法适用于不同光照条件、不同天气情况下的输电线路巡检图像处理，能够有效应对因机械抖动、电流不稳定等因素导致的图像噪声问题。 |
| 使用对象 |
输电线路绝缘子的各类缺陷，包括绝缘子破损、绝缘子自爆、绝缘子污秽、绝缘子绑扎线松动。 |
| 使用目的 |
自动检测输电线路绝缘子缺陷，提高检测效率和准确性，减少人工分析图像的工作量，及时发现潜在安全隐患，保障输电线路的安全稳定运行。 |
| 输入数据 |
输电线路巡检的可见光波段图像帧 |
| 输出数据 |
绝缘子缺陷的分类结果（破损、自爆等）、缺陷区域的分割图像、缺陷的位置坐标、缺陷的尺寸信息（长度、宽度等） |
| 硬件配置 |
CPU：Intel Core i9-9900K；GPU：NVIDIA Quadro P4000（8G）；内存：16GB及以上；拍摄装置：无人机搭载的高分辨率相机，最大分辨率8688×5792；接口：USB 3.0及以上，用于连接相机和传输数据；硬盘：1TB及以上固态硬盘，用于存储大量图像数据。 |
| 样本获取 |
从云南电网公司无人机巡检系统中获取图像数据，共筛选出1864张绝缘子缺陷图像，包括四种类型的缺陷。按照一定比例分为训练集和验证集，同时添加一定数量的正常绝缘子图像作为负样本，以符合实际应用场景中的数据分布。 |
| 测试结果 |
对300张绝缘子缺陷图像进行测试，漏检率为7%，误检率为3.2%。在mAP@0.5指标上，DFCG_YOLOv5算法达到了0.822，相比YOLOv5s（0.751）、YOLOv5m（0.779）等基础算法有显著提升，也优于YOLOv6m（0.791）、YOLOv7（0.792）、YOLOv8（0.801）等最新算法。 |
| 执行速度 |
识别速度约4.8ms/次（基于上述硬件配置） |
| 资源消耗 |
针对上述硬件配置，运行算法时，CPU平均占用率约为30%-40%，GPU平均占用率约为60%-70%，内存使用占比约30%-40%。 |
| 源码类型 |
Python版本源码 |
| 文件大小 |
算法程序文件32KB，权重文件56MB。 |
| 相关备注 |
本算法基于改进的YOLOv5，结合高速自适应中值滤波（HSMF）和DFC注意力机制，针对输电线路小目标缺陷检测进行了优化，在提高检测精度的同时，降低了模型复杂度，提升了推理速度，具有较高的工程应用价值。 |
