仪器仪表学报

作者：彭继慎，孙礼鑫，王 凯，宋立业

单位：彭继慎,1. 辽宁工程技术大学电气与控制工程学院,,孙礼鑫,1. 辽宁工程技术大学电气与控制工程学院,,王 凯,2. 国家电网葫芦岛供电公司,,宋立业,1. 辽宁工程技术大学电气与控制工程学院,

关键词：电力巡检无人机;目标检测;注意力机制;深度可分离卷积;模型压缩

基金：辽宁省教育厅科学技术研究创新团队项目(LT2019007)、辽宁省重点研发计划指导计划项目(2019JH8 / 10100050)、辽宁省高等学校国(境)外培养项目(2019GJWZD002)、辽宁省教育厅科学技术研究服务地方项目(LJ2019FL003)资助

针对现有卷积神经网络模型体积大、运算量高,导致电力巡检无人机检测速率与精度无法兼顾的问题,提出一种基于模型压缩的ED-YOLO网络实现无人机避障的目标检测算法。该目标检测算法以YOLOv4为基础,首先在主干网络中加入通道注意力机制,在不增加计算量前提下提高检测精度;其次在特征金字塔部分运用深度可分离卷积替换传统卷积,减少卷积计算量;最后利用模型压缩策略裁剪网络中冗余通道,减小模型体积并提高模型检测速度。在自主构建的9600张电力巡检无人机飞行障碍的数据集进行测试,ED-YOLO与YOLOv4相比,其障碍物目标检测的平均精度均值只降低了1.4%,而模型体积减少了94.9%,浮点运算量减少了82.1%,预测速度提升了2.3倍。实验结果表明,对比多种其他现存方法,本文提出的基于模型压缩的ED-YOLO目标检测算法有着精度高、体积小和检测速度快的优势,满足电力巡检无机避障检测要求。

来源：2021年第10期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2021年第10期