ACCYolo:基于多尺度和封闭目标的传输设备检查图像检测方法

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:

• 全球电力需求需要强大的输电基础设施.
• 无人机提高了检查效率和安全.
• 恶劣的环境和复杂的地形对无人机设备的检查具有挑战性,因为它们的屏蔽和尺度变化.

研究的目的:

• 开发一个改进的AI模型,用于在无人机图像中检测多尺度和封闭的传输设备.
• 提高电力基础设施监控的准确性和可靠性.

主要方法:

• 基于YOLOv10n架构的建议ACCYolo模型.
• 集成的Acmix模型具有自我注意力,用于阻塞处理.
• 使用了具有可编程梯度信息 (PGI) 和ASFF模块的GELAN结构,用于多尺度检测.

主要成果:

• 在传输设备监控方面,ACCYolo展示了显著的优势.
• 实现了0.950.50的整体平均平均精度 (mAP@50).
• 有效地应对封闭和多尺度目标的挑战.

结论:

• ACCYolo为基于无人机的传输设备检查提供了有效的解决方案.
• 该模型提高了电力基础设施维护的运营效率和安全性.
• 通过先进的监控,有助于确保电源的可靠性.