| 使用环境 |
无人机巡检环境：在电力巡检中，无人机搭载相机对输电线路中的绝缘子进行航拍检测，背景复杂且可能存在雾天等恶劣天气条件。
实验室环境：用于算法开发和测试，模拟实际巡检中的缺陷检测场景。 |
| 使用对象 |
绝缘子：检测绝缘子表面的缺陷，如缺损、自爆等，这些缺陷在航拍图像中可能较小且背景复杂。 |
| 使用目的 |
提高巡检效率：通过自动检测绝缘子缺陷，减少人工巡检的工作量和风险。 提升检测精度：在复杂背景下准确检测微小缺陷，减少漏检和误检。 |
| 输入数据 |
图像数据：绝缘子的航拍图像，包含可见光波段图像帧 标注数据：缺陷的标注信息，用于训练和验证模型 |
| 输出数据 |
缺陷类型：检测到的绝缘子缺陷类型（缺损、自爆等） 缺陷位置：缺陷在图像中的位置坐标 检测结果：是否检测到缺陷（是/否） |
| 硬件配置 |
CPU：13th Gen Intel(R) Core(TM) i5-13500H 2.60GHz
GPU：NVIDIA GeForce RTX 4050
内存：至少16GB RAM
摄像头：用于获取绝缘子的航拍图像 |
| 样本获取 |
使用中国电力线绝缘子数据集（CPLID）和绝缘子缺陷数据集（IDID），共2448张图像。通过数据增强（如镜像翻转、添加噪声、随机去除）扩充至4748张。 训练集/验证集/测试集：比例为6:2:2 |
| 测试结果 |
平均精度均值（mAP）：97.6%
参数量：7.2×10^6
模型大小：14.7×10^6
推理速度：96 FPS |
| 执行速度 |
推理速度：96 FPS |
| 资源消耗 |
CPU占用率：在训练过程中，CPU占用率约为60%。 内存占用：在训练过程中，内存占用约为50%。 |
| 源码类型 |
算法的主要实现语言为Python，适合快速开发和测试。 |
| 文件大小 |
算法程序文件约30K，权重文件约220M。 |
| 相关备注 |
|
