基于深度學習的無人機電力巡檢目標識別技術研究

打開文本圖片集

摘要：本文結(jié)合深度學習與無人機技術提出了基于改進YOLOv5的電力設備缺陷檢測方法。該方法在絕緣子、桿塔等關鍵設備缺陷識別上平均準確率達93.7%，較傳統(tǒng)方法提升15.2%，為提升電力巡檢效率和安全性提供了新的技術方法。

關鍵詞：深度學習；無人機；電力巡檢；目標識別；YOLOv5

doi：10.3969/J.ISSN.1672-7274.2025.03.001

中圖分類號：TM 7；TP 3；V 279+.2        文獻標志碼：A           文章編碼：1672-7274（2025）03-000-03

Research on Target Recognition Technology for UAV Power Inspection

Based on Deep Learning

LIU Hao1， LU Zhenghe1， BASANG Zerenang1， REN Zexin2， WANG Bangxing2

（1. State Grid Sichuan Electric Power Company Liangshan Power Supply Company， Xichang 615000， China;

2. Zhongke Fangcun Zhiwei （Nanjing） Technology Co.， Ltd.， Nanjing 211135， China）

Abstract： This paper proposes a power equipment defect detection method combining deep learning and unmanned aerial vehicle （UAV） technology based on the improved YOLOv5. This method achieves an average accuracy rate of 93.7% in the identification of defects in key equipment such as insulators and transmission towers， which is 15.2% higher than that of traditional methods， providing a new technology for improving the efficiency and safety of power inspection.

Keywords： deep learning; unmanned aerial vehicle （UAV）; power inspection; target recognition; YOLOv5

0   引言

電力系統(tǒng)是國民經(jīng)濟的重要基礎設施，其安全穩(wěn)定運行對社會發(fā)展至關重要。（剩余4094字）