KCI등재
SCIE
SCOPUS
High-Voltage Transmission Line Foreign Object and Power Component Defect Detection Based on Improved YOLOv5
저자
Wang Shanshan (School of Electrical and Electronic Engineering, Hubei University of Technology, Wuhan 430068, Hubei Province, China) ; Tan Weiwei (School of Electrical and Electronic Engineering, Hubei University of Technology, Wuhan 430068, Hubei Province, China) ; Yang Tengfei (School of Electrical and Electronic Engineering, Hubei University of Technology, Wuhan 430068, Hubei Province, China) ; Zeng Liang (School of Electrical and Electronic Engineering, Hubei University of Technology, Wuhan 430068, Hubei Province, China) ; Hou Wenguang (College of lift Science and Technology, Huazhong University of Science and Technology, Wuhan 430074, Hubei Province, China) ; Zhou Quan (College of lift Science and Technology, Huazhong University of Science and Technology, Wuhan 430074, Hubei Province, China)
발행기관
학술지명
Journal of Electrical Engineering & Technology(Journal of Electrical Engineering & Technology)
권호사항
발행연도
2024
작성언어
English
주제어
등재정보
KCI등재,SCIE,SCOPUS
자료형태
학술저널
수록면
851-866(16쪽)
DOI식별코드
제공처
With the outstanding performance of deep learning in the feld of computer vision, the automatic visual detection of foreign bodies in transmission lines and electrical equipment defects by inspection robots and Unmanned Aerial Vehicles based on neural networks has become an attractive topic in smart grid. However, in practical application scenarios, small-sized target defects pose a great challenge to the detection accuracy of existing mainstream deep learning detection networks with limited perceptual felds. To solve the above problems, the paper proposes a detection model of YOLOv5 transmission line inspection image. Firstly, the key target images under diferent backgrounds and attitudes are collected and preprocessed.
Specifcally, in order to improve the perception ability of networks for small-sized targets, the K-means clustering algorithm is used to optimize the size of the anchor box, which efectively improves the ftting ability of the key target features. Then, recursive gated convolution is used as the backbone network to improve the ability to extract key target features. Finally, considering the concealment of small-scale features, the space-to-depth convolution module is added to the neck network to realize down-sampling and retain all the information in the channel dimension. In addition, a feature prediction layer is added to optimize the scale of network detection, and a Simple Parameter-Free Attention Module is added to further optimize the characterization of network features. The experimental results show that the accuracy and recall of the proposed network are 96.8% and 93.3%, respectively. The average detection accuracy reaches 97.1%, which is 3.8% higher than that of YOLOv5 network, 5.2% higher than YOLOv6 and 1.0% higher than that of YOLOv7 network. The proposed method signifcantly improves the detection performance of critical targets and defects of high-voltage transmission lines.
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)