基于改进的Yolo v4绝缘子目标识别算法研究

针对传统卷积神经网络模块体积庞大、运算量高，在体积较小、资源有限的嵌入式平台上运行效果不好，以及现有轻量化模块无法满足测量速度和测试精确度要求的问题，为此选择目前的主流目标识别算法Yolo v4进行模型轻量化，在Yolo v4模型中引入Mobilenet网络和深度可分离模块进行研究。研究结果表明，改进后不同Mobilenet网络的Yolo v4模型检测一张图片的用时均比原始Yolo v4模型减少19 ms以上，准确率都高于92%。其中以Mobilenet v3为主干特征提取网络的改进Yolo v4模型的准确率为95.12%,与原始Yolo v4模型准确率相比提高2.99%,但该模型的参数量约为Yolo v4模型的1/6,模型处理一张巡检图片用时比原Yolo v4模型减少20 ms。绝缘子作为输电线路的重要组成部分，在众多图像中更快地识别出绝缘子能为之后分析输电线路的运行情况提供帮助。