基于上下文信息增强与特征细化的绝缘子破损检测方法

快速准确地检测出绝缘子缺陷是电网维护的重要任务，也极具挑战性。针对目前主流绝缘子缺陷检测算法检测速度慢且模型复杂度较高的问题，提出一种基于上下文信息增强与特征细化的绝缘子破损检测方法。该方法采用轻量化的ECA-GhostNet作为骨干网络，骨干网络输出端嵌入轻量化的自适应上下文信息增强模块，为绝缘子破损缺陷注入多尺度上下文信息；然后在特征金字塔输出端引入快速且高效的特征细化模块，用于增强绝缘子破损缺陷特征。在本文构建的数据集上进行了多组对比实验，结果表明本文所提出的方法均值平均精度可达约97.05%，检测速度约为63 FPS，模型计算量和参数量分别为1.46 G和1.68M，各项性能指标均优于RetinaNet、YOLOv4和YOLOF等主流算法。该文研究结果可以为无人机嵌入式应用提供参考。