基于改进YOLOv7的输电铁塔塔基检测算法OA北大核心CSTPCD
A novel algorithm based on the improved YOLOv7 for detecting transmission tower base
输电塔作为整个电力传输系统最重要的组成部分之一,需要及时对输电塔进行检测保证塔基的稳固以保障后期的使用.针对无人机采集到的输电塔图像存在背景复杂、背景与目标塔基对比度低、小目标及塔基不完整等问题,提出了基于改进YOLOv7 的输电塔塔基检测算法.首先,通过无人机采集不同地形地貌的输电塔图像,构建高质量数据集.然后,在原始YOLOv7 的Back-bone层中加入卷积注意力模块CBAM注意力机制,以提高输电塔塔基特征的提取能力.最后,引入 WIoU…查看全部>>
The pylon is one of the most important components in the entire power transmission system.It is necessary to timely inspect the tower to ensure the stability of the base for the later use.There are problems of the transmission tower images collected by UAV have complex backgrounds,the background is similar to the base of target tower,as well as small objects and incomplete tower base,this paper proposes an improved YOLOv7 algorithm for detecting the base of …查看全部>>
雷磊;魏小龙;梁俊;董倩;肖樟树
国网陕西省电力有限公司 电力科学研究院,陕西 西安 710100||国网(西安)环保技术中心有限公司,陕西 西安 710100国网陕西省电力有限公司 电力科学研究院,陕西 西安 710100||国网(西安)环保技术中心有限公司,陕西 西安 710100国网陕西省电力有限公司,陕西 西安 710048陕西师范大学 计算机科学学院,陕西 西安 710119陕西师范大学 计算机科学学院,陕西 西安 710119
计算机与自动化
输电塔塔基YOLOv7目标检测卷积块注意力模块WIoU v3
transmission tower baseYOLOv7object detectionconvolutional block attention module(CBAM)WIoU v3
《陕西师范大学学报（自然科学版）》 2024 (3)
85-95,11
陕北地区电网工程水土流失及次生灾害风险识别与治理关键技术研究与应用(5226KY22000K)国家自然科学基金(61672333)
评论