来源：期刊VIP网 时间：
作者：张利平;齐嘉宇;王文博;付羿焱;谢泽辉;孙传猛;
单位：中北大学电气与控制工程学院;中北大学省部共建动态测试技术国家重点实验室;
摘要：绝缘子作为输电线路上的关键设备，长期暴露在户外，易受到多种因素影响，导致性能下降甚至损坏，威胁电网的正常运行。高效检测绝缘子状态对于保障电网安全与稳定运行至关重要。为此，文中将深度学习算法应用于绝缘子状态检测，通过数据扩增和模型优化，提高检测的准确性和可靠性。首先，采用基于几何变换、图像像素、合成图像的方式对原始数据集进行数据扩增，提高模型的泛化能力；其次，引入注意力机制，将注意力模块添加到YOLOv5模型主干网络的CSP1＿X结构中，增强模型对目标的关注度；最后，采用Focal＿EIoU损失函数替换原有算法中的CIoU损失函数，以提升边界框回归的准确性。实验结果表明，相比基础YOLOv5s，改进YOLOv5s在保持相同轻量化水平的同时，高阈值下检测精度达到了83.2%，提高了2.6%。结合改进YOLOv5s模型与PyQt5框架，构建基于深度学习的绝缘子状态检测系统，包含模型加载、推理集成、结果显示三大功能，可实现绝缘子的状态检测，对提高绝缘子巡检效率，助力电网安全稳定运行具有重要意义。
关键词：深度学习;;绝缘子检测;;YOLOv5s模型;;注意力机制;;数据扩增;;损失函数;;PyQt5框架
基金资助：国家重点研发计划青年科学家项目(2022YFC2905700);; 山西省基础研究计划资助项目(202203021221106,202203021212129,20210302123047)
