論文の概要: Improved YOLOv7 model for insulator defect detection
- arxiv url: http://arxiv.org/abs/2502.07179v1
- Date: Tue, 11 Feb 2025 02:09:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-12 14:09:52.440844
- Title: Improved YOLOv7 model for insulator defect detection
- Title(参考訳): 絶縁体欠陥検出のための改良型YOLOv7モデル
- Authors: Zhenyue Wang, Guowu Yuan, Hao Zhou, Yi Ma, Yutang Ma, Dong Chen,
- Abstract要約: 本稿では,多型絶縁体欠陥検出のための改良型YOLOv7モデルを提案する。
提案したモデルでは,さまざまなパフォーマンス指標が拡張されている。
- 参考スコア(独自算出の注目度): 24.775038970508078
- License:
- Abstract: Insulators are crucial insulation components and structural supports in power grids, playing a vital role in the transmission lines. Due to temperature fluctuations, internal stress, or damage from hail, insulators are prone to injury. Automatic detection of damaged insulators faces challenges such as diverse types, small defect targets, and complex backgrounds and shapes. Most research for detecting insulator defects has focused on a single defect type or a specific material. However, the insulators in the grid's transmission lines have different colors and materials. Various insulator defects coexist, and the existing methods have difficulty meeting the practical application requirements. Current methods suffer from low detection accuracy and mAP0.5 cannot meet application requirements. This paper proposes an improved YOLOv7 model for multi-type insulator defect detection. First, our model replaces the SPPCSPC module with the RFB module to enhance the network's feature extraction capability. Second, a CA mechanism is introduced into the head part to enhance the network's feature representation ability and to improve detection accuracy. Third, a WIoU loss function is employed to address the low-quality samples hindering model generalization during training, thereby improving the model's overall performance. The experimental results indicate that the proposed model exhibits enhancements across various performance metrics. Specifically, there is a 1.6% advancement in mAP_0.5, a corresponding 1.6% enhancement in mAP_0.5:0.95, a 1.3% elevation in precision, and a 1% increase in recall. Moreover, the model achieves parameter reduction by 3.2 million, leading to a decrease of 2.5 GFLOPS in computational cost. Notably, there is also an improvement of 2.81 milliseconds in single-image detection speed.
- Abstract(参考訳): 絶縁体は断熱材であり、送電線において重要な役割を担っている。
温度のゆらぎ、内部の応力、または干し草による損傷により、絶縁体は損傷しがちである。
損傷した絶縁体の自動検出は、多様なタイプ、小さな欠陥ターゲット、複雑な背景と形状といった課題に直面している。
絶縁体欠陥を検出するほとんどの研究は、単一の欠陥タイプまたは特定の材料に焦点を当てている。
しかし、送電網の絶縁体は色や材料が異なる。
様々な絶縁体欠陥が共存し、既存の手法は実用的なアプリケーション要件を満たすのが困難である。
現在の手法では検出精度が低く、mAP0.5は適用要件を満たすことができない。
本稿では,多型絶縁体欠陥検出のための改良型YOLOv7モデルを提案する。
まず,SPPCSPCモジュールをRFBモジュールに置き換え,ネットワークの機能抽出能力を向上させる。
第2に、ネットワークの特徴表現能力を向上し、検出精度を向上させるために、頭部にCA機構を導入する。
第3に、WIoU損失関数を用いて、トレーニング中のモデルの一般化を妨げる低品質サンプルに対処し、モデル全体の性能を改善する。
実験結果から,提案モデルが様々な評価指標にまたがって拡張されたことが示唆された。
具体的には、mAP_0.5が1.6%、mAP_0.5:0.95が1.6%、精度が1.3%、リコールが1%向上している。
さらに、パラメータを320万減少させ、計算コストの2.5GFLOPSを減少させる。
特に、シングルイメージ検出速度は2.81ミリ秒改善されている。
関連論文リスト
- Foreign-Object Detection in High-Voltage Transmission Line Based on Improved YOLOv8m [19.080692737423693]
本稿では,伝送路上の異物検出のための改良型YOLOv8mモデルを提案する。
Yunnan Power Gridから収集したデータセット上で実験を行う。
論文 参考訳(メタデータ) (2025-02-11T01:58:32Z) - Improved YOLOv5s model for key components detection of power transmission lines [23.73288455723377]
本稿では, YOLOv5s(You Only Look Once Version 5 Small)モデルに基づくオブジェクト検出モデルを提案する。
改善手法のmAP(平均精度)は98.1%,精度は97.5%,リコールは94.4%,検出速度は84.8FPS(毎秒フレーム)に達した。
論文 参考訳(メタデータ) (2025-02-10T03:29:34Z) - CEReBrO: Compact Encoder for Representations of Brain Oscillations Using Efficient Alternating Attention [53.539020807256904]
交互注意(CEReBrO)を用いた脳振動の表現のための圧縮法について紹介する。
トークン化方式は、チャネルごとのパッチで脳波信号を表現します。
本研究では,チャネル内時間的ダイナミックスとチャネル間空間的相関を共同でモデル化し,通常の自己アテンションに比べて6倍少ないメモリで2倍の速度向上を実現するための注意機構を提案する。
論文 参考訳(メタデータ) (2025-01-18T21:44:38Z) - Robust Fine-tuning of Zero-shot Models via Variance Reduction [56.360865951192324]
微調整ゼロショットモデルの場合、このデシドラトゥムは細調整モデルで、分布内(ID)と分布外(OOD)の両方で優れる。
トレードオフを伴わずに最適なIDとOODの精度を同時に達成できるサンプルワイズアンサンブル手法を提案する。
論文 参考訳(メタデータ) (2024-11-11T13:13:39Z) - YOLO-ELA: Efficient Local Attention Modeling for High-Performance Real-Time Insulator Defect Detection [0.0]
無人航空機からの絶縁体欠陥検出のための既存の検出方法は、複雑な背景や小さな物体と競合する。
本稿では,この課題に対処するため,新しい注目基盤アーキテクチャであるYOLO-ELAを提案する。
高分解能UAV画像による実験結果から,本手法は96.9% mAP0.5,リアルタイム検出速度74.63フレーム/秒を実現した。
論文 参考訳(メタデータ) (2024-10-15T16:00:01Z) - An Improved Anomaly Detection Model for Automated Inspection of Power Line Insulators [0.0]
電力系統の信頼性を確保するためには絶縁体の検査が重要である。
検査プロセスを自動化するために、ディープラーニングがますます活用されています。
本稿では,異常検出とオブジェクト検出の2段階的アプローチを提案する。
論文 参考訳(メタデータ) (2023-11-14T11:36:20Z) - The KFIoU Loss for Rotated Object Detection [115.334070064346]
本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。
具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。
KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
論文 参考訳(メタデータ) (2022-01-29T10:54:57Z) - A Multi-Stage model based on YOLOv3 for defect detection in PV panels
based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。
このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。
提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文 参考訳(メタデータ) (2021-11-23T08:04:32Z) - Performance, Successes and Limitations of Deep Learning Semantic
Segmentation of Multiple Defects in Transmission Electron Micrographs [9.237363938772479]
深層学習Mask Regional Convolutional Neural Network (Mask R-CNN)モデルを用いて, 電子顕微鏡によるFeCrAl合金の欠陥のセマンティックセグメンテーションを行う。
本稿では, 欠陥形状の予測分布, 欠陥サイズ, 欠陥同感度などの量に着目し, キーモデルの性能統計の詳細な分析を行う。
全体として、現在のモデルは、顕微鏡画像中の複数の欠陥タイプを自動解析し、定量化するための、高速で効果的なツールであることがわかった。
論文 参考訳(メタデータ) (2021-10-15T17:57:59Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳(メタデータ) (2021-02-02T15:44:39Z) - Neural Network Virtual Sensors for Fuel Injection Quantities with
Provable Performance Specifications [71.1911136637719]
証明可能な保証が、他の現実世界の設定にどのように自然に適用できるかを示す。
本研究では, 燃料噴射量を一定範囲で最大化するために, 特定の間隔の燃料噴射量を目標にする方法を示す。
論文 参考訳(メタデータ) (2020-06-30T23:33:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。