第1章緒論
1.1研究背景與意義
1.2國內(nèi)外研究現(xiàn)狀
1.2.1電力線提取研究現(xiàn)狀
1.2.2絕緣子識別研究現(xiàn)狀
1.2.3輸電線路異物檢測研究現(xiàn)狀
1.2.4煙支缺陷檢測方法研究現(xiàn)狀
1.3目標(biāo)檢測算法的魯棒性研究
1.4主要研究內(nèi)容
參考文獻(xiàn)

第2章基于深度學(xué)習(xí)的目標(biāo)檢測相關(guān)理論
2.1卷積神經(jīng)網(wǎng)絡(luò)
2.1.1神經(jīng)網(wǎng)絡(luò)
2.1.2卷積神經(jīng)網(wǎng)絡(luò)原理
2.1.3卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程
2.2目標(biāo)檢測算法
2.2.1雙階段目標(biāo)檢測算法
2.2.2單階段目標(biāo)檢測算法
2.2.3基于遷移學(xué)習(xí)的目標(biāo)檢測算法
2.3目標(biāo)檢測性能評價指標(biāo)
2.4本章小結(jié)
參考文獻(xiàn)

第3章基于改進(jìn)的Deeplabv3 網(wǎng)絡(luò)的電力線提取研究
3.1Deeplabv3 基礎(chǔ)網(wǎng)絡(luò)
3.1.1編碼器解碼器結(jié)構(gòu)
3.1.2Xception主干網(wǎng)絡(luò)
3.1.3深度可分離卷積
3.1.4ASPP模塊
3.2改進(jìn)的Deeplabv3 網(wǎng)絡(luò)
3.2.1改進(jìn)的輕量化Mobilenetv2網(wǎng)絡(luò)
3.2.2改進(jìn)ASPP模塊
3.2.3提出CASEB模塊
3.2.4引入CBAM
3.3實驗過程
3.3.1數(shù)據(jù)集來源
3.3.2數(shù)據(jù)增強
3.3.3實驗環(huán)境
3.3.4評價指標(biāo)
3.4實驗結(jié)果與分析
3.4.1消融實驗
3.4.2模型訓(xùn)練穩(wěn)定性實驗
3.4.3主流算法對比實驗
3.5本章小結(jié)
參考文獻(xiàn)

第4章基于改進(jìn)的YOLOv7網(wǎng)絡(luò)的絕緣子識別研究
4.1YOLOv7基礎(chǔ)網(wǎng)絡(luò)
4.2改進(jìn)的YOLOv7網(wǎng)絡(luò)
4.2.1添加ECA模塊
4.2.2引入BiFPN模塊
4.2.3替換上采樣算子
4.2.4K均值算法聚類
4.3實驗過程
4.3.1數(shù)據(jù)集來源及擴充
4.3.2實驗環(huán)境
4.3.3評價指標(biāo)
4.4實驗結(jié)果與分析
4.4.1消融實驗
4.4.2模型穩(wěn)定性實驗
4.4.3主流算法對比
4.4.4可視化結(jié)果對比
4.5本章小結(jié)
參考文獻(xiàn)

第5章基于改進(jìn)的YOLOv5輸電線路異物檢測算法
5.1目標(biāo)檢測概述
5.2基于深度學(xué)習(xí)網(wǎng)絡(luò)的目標(biāo)檢測算法研究
5.2.1Faster R-CNN目標(biāo)檢測算法
5.2.2SDD目標(biāo)檢測算法
5.2.3YOLO目標(biāo)檢測算法
5.3基于改進(jìn)的YOLOv5輸電線路異物檢測
5.3.1基于YOLOv5網(wǎng)絡(luò)的目標(biāo)檢測算法
5.3.2改進(jìn)主干網(wǎng)絡(luò)的YOLOv5算法
5.3.3融入SENet注意力機制的YOLOv5算法
5.3.4改進(jìn)多尺度融合的YOLOv5算法
5.4實驗過程
5.4.1實驗環(huán)境
5.4.2實驗數(shù)據(jù)及其預(yù)處理
5.4.3評價指標(biāo)
5.5實驗結(jié)果與分析
5.6本章小結(jié)
參考文獻(xiàn)

第6章基于改進(jìn)的YOLOv5異物檢測算法魯棒性研究
6.1樣本的生成方法
6.1.1FGSM算法
6.1.2BIM算法
6.1.3PGD算法
6.1.4基于熱重啟機制的PGD算法
6.2基于數(shù)據(jù)漂移魯棒性的研究方法
6.2.1數(shù)據(jù)重采樣方法
6.2.2有監(jiān)督的樣本學(xué)習(xí)方法
6.2.3無監(jiān)督的樣本學(xué)習(xí)方法
6.2.4基于多尺度特征融合的自監(jiān)督學(xué)習(xí)方法
6.3實驗結(jié)果與分析
6.3.1魯棒性能評價指標(biāo)
6.3.2輸電線路異物檢測算法對抗攻擊實驗分析
6.3.3基于輸電線路異物檢測算法漂移魯棒性實驗分析
6.4本章小結(jié)
參考文獻(xiàn)

第7章基于深度學(xué)習(xí)的煙支空稀頭缺陷檢測算法
7.1基于改進(jìn)的YOLOv5s煙支空稀頭缺陷檢測算法
7.1.1YOLOv5s模型
7.1.2基于雙向CGhost-YOLOv5s算法
7.1.3實驗結(jié)果與分析
7.2基于改進(jìn)的YOLOv7煙支空稀頭缺陷檢測算法
7.2.1基于全維注意力機制的Re-YOLOv7算法
7.2.2實驗結(jié)果與分析
7.3本章小結(jié)
參考文獻(xiàn)

第8章煙支空稀頭缺陷檢測管理系統(tǒng)設(shè)計與實現(xiàn)
8.1煙支空稀頭缺陷檢測管理系統(tǒng)概述
8.1.1軟硬件環(huán)境配置
8.1.2系統(tǒng)開發(fā)工具介紹
8.2煙支空稀頭缺陷檢測管理系統(tǒng)的總體設(shè)計
8.2.1功能需求分析
8.2.2系統(tǒng)結(jié)構(gòu)設(shè)計
8.3煙支空稀頭缺陷檢測管理系統(tǒng)的功能實現(xiàn)
8.4煙支空稀頭缺陷檢測管理系統(tǒng)的測試與分析
8.5本章小結(jié)

第9章基于改進(jìn)的YOLOv7-tiny算法的吸煙目標(biāo)檢測研究
9.1本章算法
9.1.1YOLOv7-tiny算法
9.1.2SGEN-YOLOv7-tiny網(wǎng)絡(luò)模型
9.1.3改進(jìn)的EMA注意力機制
9.2S-GD機制
9.2.1Slim-Low-GD模塊
9.2.2High-GD模塊
9.2.3改進(jìn)的信息注入模塊
9.2.4改進(jìn)的VoV-GSCSP模塊
9.3損失函數(shù)NWD
9.4實驗過程
9.4.1實驗環(huán)境及參數(shù)
9.4.2數(shù)據(jù)集
9.4.3性能指標(biāo)
9.4.4對比實驗
9.4.5消融實驗
9.5實驗結(jié)果與分析
9.6本章小結(jié)
參考文獻(xiàn)