DCDW-YOLOv11: 送電ラインの主要な設備のためのインテリジェントな故障検出方法

科学分野:

• 電気工学 電気工学とは
• コンピュータビジョン コンピュータビジョン
• 人工知能 (AI) とは,人工知能 (AI) のことです.

背景:

• 送電線設備の故障検出は,ネットワークの信頼性にとって極めて重要です.
• 複雑な環境では,背景干渉やマルチスケール機能などの課題があり,精度が低下します.
• 既存の方法は,現実世界のシナリオでは精度と強度で苦労しています.

研究 の 目的:

• 送電線設備の故障検知モデルの改良を図る.
• 複雑な環境条件下での精度と信頼性を高めるため.
• インテリジェント・トランスミッション・ライン・インスペクションのための堅牢なソリューションを提供する.

主な方法:

• 提案されたDCDW-YOLOv11モデルは,YOLOv11.1に基づいています.
• 組み込みの可変形コンボリューションC2f_DCNv3は,幾何学的な適応性のために.
• 機能ハイライトとノイズ抑制のための統合コンボリューションブロック注意モジュール (CBAM).
• クロスレイヤーの特徴融合と最適化された回帰のための WIoU 損失のためのダイナミックヘッド (DyHead) を利用しました.

主要な成果:

• DCDW-YOLOv11は,送電線機器の欠陥データセットで94.4%の精度,92.8%のリコール,96.3%のmAPを達成しました.
• オリジナルのYOLOv11と比較して有意な改善が示されました (2.8%の精度,7.0%のリコール,4.4%のmAP).
• 他の主流の検出モデルを性能で上回った.

結論:

• DCDW-YOLOv11モデルは,高精度で信頼性の高い欠陥検出機能を提供します.
• 提案された改良は,複雑な環境における課題を効果的に解決します.
• この方法は,伝送線のインテリジェント検査をサポートし,運用の安全性と効率を向上させます.