| 使用环境 |
在高压电缆巡检场景中，使用无人机搭载高清摄像头在高空复杂环境下（雾天、雨天等低能见度条件）进行图像采集，检测电缆表面的微小缺陷。 |
| 使用对象 |
高压电缆表面的微小缺陷，包括断裂、雷击、磨损和昏暗类型。 |
| 使用目的 |
通过无人机巡检及时发现高压电缆表面的微小缺陷，提高检测效率和准确性，降低人工巡检成本和风险，保障电力传输的安全性和可靠性。 |
| 输入数据 |
高清图像帧，分辨率640×640像素。 |
| 输出数据 |
缺陷类型（断裂、雷击、磨损、昏暗等）、缺陷位置坐标（x, y）、置信度。 |
| 硬件配置 |
CPU：AMD Ryzen 77735H，集成Radeon显卡，主频3.20GHz；GPU：NVIDIA GeForce RTX 4060，显存8GB；内存：8GB；操作系统：Windows 11。 |
| 样本获取 |
在电缆监测点采集包含断裂、雷击、磨损和昏暗等不同缺陷类型的图像，共1834张，通过8种数据增强方法扩展至9150张。 |
| 测试结果 |
在测试集上，改进后的YOLOv9-USSD模型的均值平均精度(mAP)为88.90%，召回率(R)为84.70%，精确率(P)为87.60%，模型权重减少至103MB，计算量(GFLOPS)降低至247.90。 |
| 执行速度 |
检测速度为50ms/次 |
| 资源消耗 |
在上述硬件配置下，CPU平均占用率约70%，GPU平均占用率约80%，内存使用量约5GB。 |
| 源码类型 |
本算法有Python版本源码，使用售卖方式进行授权。 |
| 文件大小 |
算法程序文件24KB，权重文件12MB。 |
| 相关备注 |
本算法针对高压电缆表面微小缺陷检测进行了优化，特别适用于低能见度环境下的无人机巡检任务。 |
