(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210608920.6 (22)申请日 2022.05.31 (71)申请人 中国科学院沈阳自动化研究所 地址 110016 辽宁省沈阳市沈河区南塔街 114号 (72)发明人 姜勇　王洪光　冯晗　 (74)专利代理 机构 沈阳科苑专利商标代理有限 公司 210 02 专利代理师 周宇 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于改进Yolov5的变电站绝缘子串建 模及检测方法 (57)摘要 本发明涉及一种基于改进Yolov5的变电站 绝缘子串建模及检测方法， 属于目标检测领域。 本发明包 括： 步骤1， 分析Yolov5Neck端不同尺度 层在绝缘子串检测任务上的推理表现， 修改裁剪 Yolov5Neck端结构。 步骤2， 对网络内部的CSP模 块使用ECA模块进行改进， 提高网络检测精度。 步 骤3： 使用迁移学习训练网络， 并测试改进后网络 的推理效果。 本发明改进了Yolov5检测方法， 通 过对网络的Neck端进行裁剪， 使网络对针对性的 目标获得推理速度的提升， 同时通过添加注意力 机制改善网络的推理精度， 并使用迁移学习训练 网络以获得最佳检测效果。 权利要求书1页 说明书4页 附图3页 CN 115082695 A 2022.09.20 CN 115082695 A 1.一种基于改进Yo lov5的变电站绝 缘子串检测建模方法， 其特 征在于， 包括以下步骤： 步骤1、 采集变电站环境下绝缘子串原始图像， 并标记绝缘子串位置信息， 用于制作图 像数据集； 步骤2、 分析Yolov5  Neck端不同尺度层在绝缘子串检测上的推理表现， 修改裁剪 Yolov5 Neck端结构； 步骤3、 对剪枝后网络内部的CS P模块采用E CA模块进行改进， 用于提高网络检测精度； 步骤4、 将图像数据集数据输入网络模型， 使用迁移学习方法训练网络， 获取优化后的 网络模型。 2.根据权利要求1所述的一种基于改进Yolov5的变电站绝缘子串检测建模方法， 其特 征在于， 所述推理表现为检测识别速度， 所述修改裁剪Yolov5  Neck端结构是将小尺度和大 尺度预测层进行剪枝。 3.根据权利要求1所述的一种基于改进Yolov5的变电站绝缘子串检测建模方法， 其特 征在于， 所述的CSP模块改进操作包括： 在Backbone、 Neck的每个CSP模块后添加ECANet模 块。 4.根据权利要求3所述的一种基于改进Yolov5的变电站绝缘子串检测建模方法， 其特 征在于， 所述E CA模块的处 理输入信息的步骤 包括： 对输入数据H *W*M的向量进行全局平均池化操作； 通过一维卷积获取相邻k个邻居的跨 通道信息； 使用Sigmo id激活， 得到 输入特征图不同通道的权 重； 将权重与CSP模块处理输出的对应的通道相乘， 输出 特征。 5.根据权利要求1所述的一种基于改进Yolov5的变电站绝缘子串检测建模方法， 其特 征在于， 使用迁移学习训练网络操作， 包括： 首先冻结Backbo ne前n层网络， 使用较大 学习率进行训练； 然后对模型进行解冻操作， 使用较小的学习率进行微调， 用于防止陷入局部最优解； 最后使用余弦退火算法更新学习率。 6.一种基于改进Yolov5的变电站绝缘子串检测方法， 其特征在于， 采集现场变电站环 境下绝缘子串原始图像， 输入如上权利要求1 ‑6任意一项所述改进Yolov5变电站绝缘子串 检测模型， 输出当前图像上绝 缘子串定位框 。权　利　要　求　书 1/1 页 2 CN 115082695 A 2一种基于改进Yo lov5的变电站绝缘子串建模 及检测方 法 技术领域 [0001]本发明涉及目标检测领域， 具体地说是一种基于改进Yolov5的变电站绝缘子串建 模及检测方法。 背景技术 [0002]绝缘子主要用于电气绝缘和机械支撑， 是架设输电线路过程中的重要原件。 在输 电线路的运行过程中， 绝缘子长期承受高压电流和自然环境变化的影响， 其表面堆积的污 秽会导致绝缘子的绝缘能力下降， 严重时可能导致闪络事故。 使用高压水枪对绝缘子串进 行水冲洗可以有效的防止闪络事故， 为了不影响工业生产， 目前常采用的方法是人工带电 水冲洗， 这种 方式操作难度高、 安全性差。 目前， 研制一种新型的可替代人工完成变电站带 电水冲洗作业的智能机器人越来越受到 重视。 [0003]对于传统的绝缘子串检测方法来说， 其多是利用绝缘子串的纹理、 形状等特征设 计算法对绝缘子串进行检测； 对于基于深度学习的绝缘子串方法来说， 其多是输出一个包 含有绝缘子串位置信息的矩形框， 往往还需要进一步的算法来提取绝缘子串的精确轮廓坐 标。 对于神经网络算法来说， 其多尺度融合层会上下融合不同尺度的目标检测信息以对不 同大小的目标获得良好的检测效果， 但对于变电站绝缘子串检测任务而言， 其目标属于较 大目标， 在图像视野中占据较大面积， 因此其部分多尺度层是多余的， 可以对其进 行裁剪以 获得更好的网络推理效率 提高实时性。 发明内容 [0004]本发明解决的是神经网络在实际推理过程中难以满足实时性的问题。 通过对网络 的Neck端进行裁剪， 使网络对针对性的目标获得推理速度的提升， 同时通过添加注意力机 制改善网络的推理精度， 并使用迁移学习训练网络以获得最佳检测效果。 [0005]为了解决现有技 术中的上述问题， 本发明采用的技 术方案是： [0006]一种基于改进Yo lov5的变电站绝 缘子串检测建模方法， 包括以下步骤： [0007]步骤1、 采集变电站环境下绝缘子串原始图像， 并标记绝缘子串位置信息， 用于制 作图像数据集； [0008]步骤2、 分析Yolov5  Neck端不同尺度层在绝缘子串检测上的推理表现， 修改裁剪 Yolov5 Neck端结构； [0009]步骤3、 对剪枝后网络内部的CSP模块采用ECA模块进行改进， 用于提高网络检测精 度； [0010]步骤4、 将图像数据集数据输入网络模型， 使用迁移学习方法训练网络， 并测试改 进后网络的推理效果， 获取优化后的网络结构。 [0011]所述推理表现为检测识别速度， 所述修改裁剪Yolov5  Neck端结构是将小尺度和 大尺度预测层进行剪枝。 [0012]所述的CSP模块改进操作包括： 在Backbone、 Neck的每个CSP模块后添加 ECANet模说　明　书 1/4 页 3 CN 115082695 A 3