APF-YOLOV8: Mejora de la detección multiscala y el manejo de variaciones dentro de la clase para inspecciones de...

Área de la Ciencia:

• Visión por computadora
• Inteligencia artificial
• Ingeniería eléctrica

Sus antecedentes:

• Las inspecciones de líneas eléctricas basadas en vehículos aéreos no tripulados (UAV) se enfrentan a desafíos en la detección de aislantes, incluidas las escalas de objetos variables y las similitudes visuales entre los tipos de aislantes.
• Los métodos de inspección tradicionales son a menudo menos seguros y eficientes en comparación con los enfoques automatizados de UAV.

Objetivo del estudio:

• Desarrollar un modelo avanzado de aprendizaje profundo para la detección precisa y eficiente de aislantes en inspecciones de líneas eléctricas basadas en UAV.
• Introducir un conjunto completo de datos para la formación y evaluación de modelos de detección de aislantes en diversas condiciones reales.

Principales métodos:

• Se introdujo APF-YOLO, un modelo basado en YOLOv8 que incorpora un cuello de fusión de ruta adaptativa (APF) y un módulo de alineación de características adaptativas (AFAM).
• AFAM utiliza vías locales y globales con mecanismos de atención para equilibrar la extracción de características para objetos de diferentes escalas.
• Desarrolló el conjunto de datos de aislantes públicos fusionados (MPID) para abordar la necesidad de diversos datos de capacitación, incluidas las oclusiones y las variaciones de escala.

Principales resultados:

• APF-YOLO demostró un rendimiento superior sobre los modelos de última generación en el MPID, logrando un aumento del +2,71% en mAP@0,5:0,9 y un aumento del +1,24% en el recuerdo.
• El modelo mantuvo un rendimiento en tiempo real adecuado para aplicaciones prácticas, a pesar de las demandas computacionales ligeramente aumentadas.
• Las evaluaciones confirmaron la efectividad del modelo en el manejo de desafíos como oclusiones y variaciones de escala inherentes a entornos de líneas eléctricas del mundo real.

Conclusiones:

• APF-YOLO, junto con el MPID, proporciona una solución robusta para la detección de aislantes basados en UAV, mejorando la seguridad y eficiencia del monitoreo de la línea eléctrica.
• El modelo desarrollado representa un avance significativo en la tecnología de inspección automatizada de infraestructuras.
• La investigación futura se centrará en la optimización de APF-YOLO para dispositivos de borde para ampliar aún más su aplicabilidad.