| 使用环境 |
在输电线路巡检场景中，使用无人机拍摄高分辨率的输电线路图像，图像分辨率为4912×7360、2624×3936、4016×6016，拍摄距离为5-10米，光照条件为自然光。 |
| 使用对象 |
输电线路中的绝缘子及其爆破缺陷。 |
| 使用目的 |
通过改进的U-Net模型实现绝缘子的高精度分割，获取绝缘子掩模；利用改进的YOLOv5模型实现对爆破绝缘子的快速、精确定位，提高输电线路巡检效率，减少人工巡检的 |
| 输入数据 |
无人机拍摄的高分辨率输电线路图像 |
| 输出数据 |
绝缘子掩模、爆破绝缘子的位置坐标、检测精度、召回率。 |
| 硬件配置 |
CPU：Intel i7-7800X
GPU：NVIDIA 1080Ti ×2
内存：16GB |
| 样本获取 |
采集了5000张原始图像，通过数据增强（水平翻转、垂直翻转、高斯噪声、像素乘法、裁剪填充）扩充至12000张图像，用于模型训练。 |
| 测试结果 |
绝缘子分割精度达到0.96，爆破绝缘子检测精度达到0.97，召回率为0.99，平均处理时间为15ms。 |
| 执行速度 |
图像分割速度约为100ms/张，目标检测速度约为15ms/次。 |
| 资源消耗 |
针对上述硬件配置，使用TensorFlow记录的数据，单独运行算法时，CPU计算占比平均约60%，GPU计算占比平均约70%，内存使用占比约50%。 |
| 源码类型 |
本算法有Python版本源码，使用售卖方式三进行授权。 |
| 文件大小 |
算法程序文件32KB，权重文件156MB。 |
| 相关备注 |
本算法针对输电线路绝缘子的分割和缺陷检测问题，通过改进的U-Net和YOLOv5模型，实现了高精度的绝缘子掩模获取和爆破绝缘子定位，具有较高的实用性和可靠性，可有效减少人工巡检的工作强度和风险。未来计划收集更多数据样本或通过生成对抗网络生成数据，进一步提升算法的鲁棒性和实用性。 |
