来源：期刊VIP网 时间：
作者：孙世明;唐元合;邰曈;魏学云;方巍;
单位：国电南瑞南京控制系统有限公司;南京信息工程大学计算机学院;
摘要：目的 针对输电线路巡检航拍图像绝缘子分割精度不高、边缘端设备算力有限以及模型参数量大、实时性不足等问题，提出一种基于MobileNetV2的轻量级输电线路绝缘子分割网络ISNet。方法 首先，采用轻量级的MobileNetV2作为编码器骨干网络，从输入图像重提取多尺度特征；其次，提出一种新的多样化特征聚合模块（DFAM），通过具有不同卷积核的卷积层、通道注意力和空间注意力机制，聚合多样化的空间位置信息和高级语义信息；最后，设计多级对称解码器（MSD）融合来自同一层编码器和上一步解码器的输出特征，以此生成最终预测图。结果 实验结果表明，本文方法在航拍图像绝缘子分割数据集上表现优异，在mIoU指标上，ISNet达到了90.9%，相比DeepLabV3plus和SegFormer，分别提高了5.2%和1.2%；在mPA指标上，ISNet达到了93.6%，相比DeepLabV3plus和SegFormer，分别提高了5.2%和0.8%。此外，本文方法在单张NVIDIA RTX 3090 GPU上的推理速度可达71.2 F/s，参数量仅为3.1 M，浮点运算量（FLOPs）仅为21.2 G（输入图像大小为1 024×1 024），优于目前主流的语义分割方法。结论 ISNet在提升模型的轻量化和实时性的同时，可实现最佳的分割精度。
关键词：MobileNetV2;;语义分割;;绝缘子;;输电线路巡检;;深度学习;;计算机视觉
基金资助：国家自然科学基金资助项目（42475149）;; 国电南瑞南京控制系统有限公司科技信息项目（2023h581）
