一种基于改进MS-PReNet和GAM-YOLOv7的雨天绝缘子缺陷检测方法

    公开(公告)号:CN117422689B

    公开(公告)日:2024-05-31

    申请号:CN202311426256.4

    申请日:2023-10-31

    Abstract: 本发明公开了一种基于改进MS‑PReNet和GAM‑YOLOv7的雨天绝缘子缺陷检测方法,属于绝缘子缺陷检测技术领域;对绝缘子缺陷数据集进行加雨操作,对数据集进行预处理;构建MS‑PReNet去雨网络模型,对MS‑PReNet去雨网络模型进行训练;将新的数据集进行绝缘子缺陷真实目标框标注;根据数据集的绝缘子缺陷真实目标框,聚类生成不同尺寸的锚框;构建GAM‑YOLOv7目标检测网络模型,GAM‑YOLOv7目标检测网络模型进行训练;对MS‑PReNet去雨网络模型与GAM‑YOLOv7目标检测网络模型进行测试、验证。本发明通过MS‑PReNet去雨网络模型中的添加多尺度特征融合模块MSFM有效地去除雨滴造成的图像噪声和光照不均匀现象,提高图像质量;在GAM‑YOLOv7目标检测网络模型中添加全局注意力机制GAM,进行绝缘子缺陷检测,提高绝缘子缺陷的准确率和稳定性。

    一种基于改进MS-PReNet和GAM-YOLOv7的雨天绝缘子缺陷检测方法

    公开(公告)号:CN117422689A

    公开(公告)日:2024-01-19

    申请号:CN202311426256.4

    申请日:2023-10-31

    Abstract: 本发明公开了一种基于改进MS‑PReNet和GAM‑YOLOv7的雨天绝缘子缺陷检测方法,属于绝缘子缺陷检测技术领域;对绝缘子缺陷数据集进行加雨操作,对数据集进行预处理;构建MS‑PReNet去雨网络模型,对MS‑PReNet去雨网络模型进行训练;将新的数据集进行绝缘子缺陷真实目标框标注;根据数据集的绝缘子缺陷真实目标框,聚类生成不同尺寸的锚框;构建GAM‑YOLOv7目标检测网络模型,GAM‑YOLOv7目标检测网络模型进行训练;对MS‑PReNet去雨网络模型与GAM‑YOLOv7目标检测网络模型进行测试、验证。本发明通过MS‑PReNet去雨网络模型中的添加多尺度特征融合模块MSFM有效地去除雨滴造成的图像噪声和光照不均匀现象,提高图像质量;在GAM‑YOLOv7目标检测网络模型中添加全局注意力机制GAM,进行绝缘子缺陷检测,提高绝缘子缺陷的准确率和稳定性。

Patent Agency Ranking