基于多尺度轻量化卷积的高压输电线路巡检OA北大核心CSTPCD

无人机搭载轻量化模型进行高压输电线路巡检对于保障输电系统的安全运行至关重要,针对目前轻量化模型中特征提取不够丰富导致高压输电线路巡检效果较差的问题,该文提出了一种多尺度轻量化卷积(multi-scale lightweight convolution,MSLConv),其进行了不同尺度与深度的特征融合,并实现了网络轻量化。同时在混洗注意力(shuffle attention,SA)中提出一种新的更具适应性的通道混洗方法,并将MSLConv与SA相结合设计了MSLConvSA1与MSLConvSA2特征提取模块,提高了MSLConv的通道利用率。在处理样本输出时,提出了一种基于样本的双重归一化与激活的组合方法,该方法能在通道数较少的轻量化模型中对通道特征进行更细粒度的调整,且能更好地建立样本间的特征关系。最后以YOLOv5n为基线进行一系列改进,得到了MSV1与MSV2两种模型。经实验证明,相对于基线,这两种模型的参数量分别减少了43.8%和28.6%,计算量分别减少了38.1%和23.8%。同时,mAP@.5(IoU阈值为0.5时的平均检测精度值)分别提升了5.2%和5.4%,mAP@.5:.95(IoU阈值为0.5~0.95,取步长为0.05时的平均检测精度值)分别提升了3.3%和4.7%。