基于改进的U-Net和YOLOv5的绝缘子掩模获取与缺陷检测

输电线路的绝缘子定期巡检是必不可少的一项任务，而传统的人工巡检存在着效率低、工作强度大等问题。因此，本文设计了一种改进的U-Net模型实现对绝缘子的分割，并使用改进的YOLOv5实现在复杂背景下对爆破绝缘子的定位。本文基于U-Net图像语义分割模型，提出一种改进的网络结构SERes-Unet。模型引入残差结构减少卷积过程中存在的梯度消失、结构信息损耗的影响，引入注意力机制对特征权重进行校正，从而提升网络性能。为实现对高分辨率图像的爆破绝缘子检测，提出将图片进行切割再进行检测，再通过非极大值抑制（Non-maximum suppression，NMS）进行筛选，获取图像全部爆破绝缘子的位置。本文设计的多组实验验证了模型的有效性和高效性。本文方法绝缘子分割精度达到0.96，爆破绝缘子检测精确率达到0.97，召回率达到0.99。