文章摘要:针对目前无人机航拍的绝缘子图像数据集中缺陷绝缘子样本数量较少的问题，提出一种融合图像数据集制作方法；同时针对绝缘子缺陷检测准确率低且检测网络参数量和计算量大的问题，提出一种改进的YOLOv5神经网络用于绝缘子的缺陷检测。首先采用无人机拍摄真实背景下绝缘子图像，然后借助机器人搭载双目相机和工业相机制作融合图像数据集，以平衡数据集正负样本比例，最后用神经网络对两种方式采集的数据集训练和验证。实验结果显示，采用GhostNet模块改进的YOLOv5网络缺陷检测mAP达98.43%，相比于未改进的YOLOv5网络mAP提高了6.02%，且通过机器人制作的绝缘子融合图像数据集具有与无人机拍摄的真实背景数据集相同的效果。因此，改进的YOLOv5神经网络能满足绝缘子缺陷检测要求。

文章关键词:

论文分类号:TP391.41;TM216;TP183