CN119444752A 一种基于轻量级cgc-yolo的绝缘子缺陷检测方法 （南昌工程学院）

一种基于轻量级CGC-YOLO的绝缘子缺陷检本发明公开了一种基于轻量级CGC_YOLO的用验证集的绝缘子缺陷图像在训练过程中评估CGC_YOLO网络模型的性能，得到训练好的CGC_至训练好的CGC_YOLO网络模型进行绝缘子缺陷2过CMC3模块特征提取后得到特征M3，三个CGC4模块的输出经过CMC4模块特征提取后得到特征M44经过Conv卷积处理后得到特征M5，对特征M5进行上采样后与特征M3进行Concat征M13经过CGC模块特征提取后得到特征M17，特征M17经过Conv卷积处理后与特征M14进行M21块特征提取后得到特征M23，最终将特征M17所述头部网络包括四个Detect模块，分别用于检测不同尺寸缺陷征M171921与特征M23分别输入四个Detect模块进行S3：利用训练集的绝缘子缺陷图像对CGC_YOLO网S4：将待测绝缘子缺陷图像输入至训练好的CGC_YOLO网络模型进行绝缘子缺陷的检3述APS_Attention注意力机制模块的处理过程为：输入特征经过平均池化操作得到特征C，征D2D2述数据集由无人机拍摄的绝缘子图像构成，图像中包括污秽绝缘子和破损绝缘子两种情45块以及APS_Attention注意力机制模块，CMC模块设置为输出经过CMC3模块特征提取后得到特征M3，三个CGC4模块的输出经过CMC4模块特征提取后M16M21经过Conv卷积处理后与特征M16所述头部网络包括四个Detect模块，分别用于检测不同尺寸缺陷的绝缘子图像，将特征M17、特征M19、特征M21与特征M23分别输入四个Detect模块进行绝缘子缺陷检测；X8与输入特征通过残差网络进行连接得到特征X9，特征X9进行Sigmoid激活函6将特征B、特征B1和特征B2进行ConB10和特征B11进行Concat拼接得到特征将特征C与特征C1通过残差连接相加最终得到输池化操作得到特征D1、特征D2、特征D3和特征D4，将特征D1、特征D2、特征D3和特征D4进行Concat拼接得到特征D5，特征D5经过注意力权重模块和Softmax激活函数处理得到特征D6，7分通常较小且难以识别，因此本发明在模型预测阶段增加了一个专门针对小目标的检测8机制模块包括残差网络和一个PSA注意力机制模块构成，它是一种用于增强特征表示能力经过Conv卷积处理后得到特征M5，对特征M5进行上采样后与特征M3进行Concat拼接得到特对特征M8进行上采样后与特征M2进行Con块特征提取后得到特征M17，特征M17经过Conv卷积处理后与特征M14进行Concat拼接得到特进行Concat拼接得到特征M20，特征M20经过CGC模块特征提取后得到特征M21，特征M21经过9块使得模型能够更好地适应不同的场景和目标，尤其是在复杂背景和多尺度目标的情况些模块对输入的特征进行上采样操作，而PAN网络则通过这些模块对输入的特征进行下采征M171921与特征M23分别输入四个Detect模块进行B9征C与特征C1通过残差连接相加最终得到输D23和特征D4进行Concat拼[0032]以上所述仅表达了本发明的优选实施方式，并非是对本任何熟悉本专业的技术人员可能利用上述揭示的内容加以更改或改型为等同变化的等效