相关实验视频
Updated: Sep 16, 2025

08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.8K
FPFS-YOLO:一个绝缘体缺陷检测模型,集成FasterNet和注意力机制
Yujiao Chai1, Xiaomin Yao1, Manlong Chen1
1School of Mechanical Engineering, Shaanxi University of Technology, Hanzhong 723000, China.
Sensors (Basel, Switzerland)
|July 12, 2025
概括
这项研究介绍了FPFS-YOLO,一种改进的绝缘体缺陷检测模型. 它提高了准确性,并减少了计算冗余,以实现可靠的输电线路检查.
科学领域:
- 电气工程 电气工程
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 及时检测输电线路中绝缘体缺陷对于基础设施可靠性和公共安全至关重要.
- 现有的YOLO11n模型面临的挑战是精度低,参数冗余,以及对小缺陷的检测不足.
研究的目的:
- 开发一种更准确,更有效的绝缘体缺陷检测模型.
- 通过整合先进的网络架构和注意力机制来解决当前模型的局限性.
主要方法:
- 整合FasterNet轻量级网络以减轻YOLO11n骨干中的参数冗余.
- 整合了ParNet注意力机制和一个小缺陷检测层,以改善特征聚焦和小缺陷识别.
- 引入C3k2_faster模块和PSP-Head检测头,以减少计算冗余.
主要成果:
- 拟议的FPFS-YOLO模型实现了91.5%的mAP@50和56.6%的mAP@0.5-0.95,超过了原来的YOLO11n模型.
- 精度和回忆率分别提高到93.2%和86.4%,这表明检测能力有所提高.
- 该模型证明了减少计算冗余,同时保持高检测准确度.
结论:
- FPFS-YOLO模型显著提高了绝缘体缺陷检测的准确性和效率.
- 这种改进的模型为传输线路检查和维护的现实应用提供了有前途的解决方案.

