(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 202210736134.4 (22)申请日 2022.06.27 (71)申请人 中国矿业大 学 地址 221100 江苏省徐州市铜山区中国矿 业大学 (72)发明人 陈奎　刘晓　贾立娇　李广　王林　 徐全　李铭　 (74)专利代理 机构 北京中仟知识产权代理事务 所(普通合伙) 11825 专利代理师 王欣 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/80(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种高性能轻量化YOL Ov5-3S-4PH的绝缘子 缺陷实时检测方法 (57)摘要 本发明公开了一种高性能轻量化YOLOv5 ‑ 3S‑4PH的绝缘子缺陷实时检测方法， 旨在解决绝 缘子缺陷检测速度较低且网络复杂度高的问题。 首先将Stem和SPP模块与ShuffleNetV2网络进行 重构， 增强提取图像特征信息的能力， 并用重构 的ShuffleNetV2 ‑Stem‑SPP网络代替原始YOLOv5 的C3Net作为backbone， 显著减小了网络的参数 量和计算量， 同时为了进一步补偿轻量化导致的 检测精度损失， 使用Mosaic ‑9数据增强、 CIoU损 失函数， 增加针对小目标的检测层以及相对应的 预测头， 来增强网络对绝缘子缺陷的感知能力， 提升网络的检测精度， 最后将其应用到自制绝缘 子数据集进行训练， 优化参数， 得到最终的检测 模型。 本发明方法在实现轻量化的基础上， 使检 测精度又得到提升， 更适合部署在无人机平台上 进行绝缘子缺陷的实时监测。 权利要求书2页 说明书9页 附图3页 CN 115222672 A 2022.10.21 CN 115222672 A 1.一种高性能轻量化YOLOv5 ‑3S‑4PH的绝缘子缺陷实时检测方法， 其特征在于： 包括如 下步骤： 步骤1： 自制绝 缘子数据集； 采用国网徐州公司提供的绝缘子缺陷图像， 并通过LabelImg工具半自动标注绝缘子及 其缺陷的位置， 将标注的图像进行Moasic9、 Mixup数据增强处理， 以形成自制绝缘子数据 集； 步骤2： 重构YOLOv5的主干网络为Shuf fleNetv2 ‑Stem‑SPP； 步骤2‑1： 采用轻量级ShuffleNetV2网络代替原始YOLOv5的C3Net作为backbone， ShuffleNet网络引入了分组卷积(Group  convolution， GC)与通道混洗(Channel  shuffle， CS)， 由两个基本单元模块组成， 单元1保证输出通道数与输入通道数相同， 单元2是一个下 采样模块， 减小特 征图维度。 步骤2‑2： 将Stem模块对ShuffleNetV2网络第一层进行重构， 在进行降采样的同时增加 了输入图像的通道数， 步骤2‑3： 在ShuffleNetv2网络最后一层引入SPP模块， 融合缺陷的局部特征和全局特 征， 实现多尺度融合。 步骤3： 改进特 征提取网络； 在绝缘子缺陷检测模型的特征融合网络中增加针对缺陷小目标的检测层以及相对应 的预测头， 在原始网络的基础上对输入图片增加一次4倍下采样， 相应地， 网络输出端也会 新增一个大尺度的特 征图， 使用4种不同尺寸的特 征图进行目标检测。 步骤4： 采用CI oU loss做目标检测的边界损失函数； 选择CIoU代替GI oU作为目标框回归的损失函数， 其计算式为： 步骤5、 训练改进后的YOLOv5 ‑3S‑4PH网络； 设置训练参数、 数据增强系数(颜色空间和图片空间)。 使用步骤2、 3、 4改进后的网络模 型对步骤1自制的绝 缘子数据集进行训练， 训练完成得到最终改进YOLOv5 ‑3S‑4PH的权重； 步骤6： 将待测试绝缘子图像输入最终改进YOLOv5 ‑3S‑4PH的模型中， 得出绝缘子及其 缺陷的检测结果和目标位置信息 。 2.根据权利 要求1所述一种高性能轻量化YOLOv5 ‑3S‑4PH的绝缘子缺陷实时检测方法， 其特征在于， 采用Moasic9对 数据集进一步增强， 即在数据集中任选9张图片进行随机裁剪， 拼接成一张图片并缩放为设定尺寸， 再将处理好的图片送入网络中训练； 采用Mixup 对数据 集进一步增强， 即从数据集中随机抽取两张样本， 将两张样本的像素值按照一定的权重进 行加权求和， 两张样本对应的标签以同样的比例进行加权求和， 从而在一定程度上扩展训 练数据的分布空间， 具体公式如下： x＝ λxi+(1‑λ )xj权　利　要　求　书 1/2 页 2 CN 115222672 A 2y＝ λyi+(1‑λ )yj λ＝Beta( α, β ) 其中， (xi,yi)和(xj,yj)是从训练数据中随机抽取的两张样本， x为生成的混合图片， y为 生成的混合标签。 λ为权 重， 范围在0 到1之间， 服从Beta( α, β )分布。 3.根据权利 要求1所述一种高性能轻量化YOLOv5 ‑3S‑4PH的绝缘子缺陷实时检测方法， 其特征在于， 所设置训练参数： 输入图像分辨率为640 ×640； 基本框架为YOLOv5s， 即depth_ multipl＝0.33， width_multiple＝0.50； 初始学习率为0.01； 周期学习率为0.1； 学习率动 量为0.937， 模型训练的批大小为16； 训练总轮次设置为500次。 所设置数据增强系数： 色调 为0.015； 饱和度为0.7； 亮度为0.4； 进行左右翻转 概率为0.5。权　利　要　求　书 2/2 页 3 CN 115222672 A 3