基于改進YOLOv5s的輕量級絕緣子缺失檢測

池小波，張偉杰，賈新春，續澤晉

（1.山西大學 自動化與軟件學院，山西 太原 030013；2.山西大學 數學科學學院，山西 太原 030006）

0 引言

絕緣子狀態檢測和安全防護對保障輸電線路的正常運行起著至關重要的作用。為了提高絕緣子的檢測效率，無人機巡檢已經代替人工巡檢成為主流的巡檢方式。由于無人機采集到的圖片數量繁多且圖像中的背景復雜，絕緣子尺寸大小存在很大差異，如果采用人工判讀的方式極有可能出現誤檢和漏檢。因此，利用計算機視覺和圖像處理的技術進行絕緣子定位和故障檢測成為目前主要研究方向。Dalal N等［1］采用方向梯度直方圖（HOG）的方法提取目標特征，然后利用提取到的特征訓練圖像特征分類器；李衛國等［2］，廖圣龍［3］，劉洋等［4］分別從絕緣子的紋理特征、顏色以及輪廓入手，采用邊緣計算的方法對絕緣子進行檢測；黃新波等［5］針對玻璃絕緣子在光照條件下顏色特征不明顯的問題，提出采用聯合分量灰度化算法來進行目標增強。上述傳統檢測方法雖然可以識別絕緣子，但是其泛化性和魯棒性較差，識別準確率也較低。

目前應用廣泛的基于深度學習的目標檢測模型主要分為兩大類：一類是基于回歸的一階段（one-stage）檢測方法，該類方法直接對圖像上的目標進行預測和分類，不需要預先生成候選框，常見的one-stage 模型有SSD［6］以及YOLO 系列的改進模型，如YOLOv2［7］，YOLOv3［8］等；另一類是基于候選區域的兩階段（two-stage）檢測算法，首先通過算法生成一些候選框，進而對候選區域進行分類和位置修正，R-CNN［9］、Faster-RCNN［10］等是two-stage 的代表模型。Tao X 等［11］提出一種深度卷積神經網絡（CNN）級聯架構，用于定位和檢測絕緣子缺陷；何寧輝等［12］采用改進的Faster-RCNN 網絡捕獲圖像中絕緣子和缺失部位。隨著YOLOv4［13］和YOLOv5 等方法的提出，不論是檢測精度還是速度，one-stage 均大幅度優于two-stage。劉行謀等［14］提出一種基于K-means和YOLOV4 的復雜背景下絕緣子缺失檢測方法；王年濤等［15］利用GhostNet 模塊改進YOLOv5 主干網絡，提升了模型的檢測精度；田慶等［16］通過引入注意力模塊，提出基于SE-YOLOv5s的絕緣子檢測模型，顯著提升模型的準確率和召回率。盡管上述文獻已經取得了一些有價值的研究成果，但在實際應用場景中，這類目標檢測模型均存在參數量大、計算復雜度高、推理速度較慢等問題。針對這些問題以及考慮到航拍絕緣子圖像背景復雜、小目標檢測困難等現狀，本文提出一種基于改進YOLOv5s 的輕量級絕緣子缺失檢測模型，實驗結果表明，所提模型對小目標、遮擋目標以及模糊等場景有著較強的魯棒性，且在保證近似檢測精度的同時極大減少了計算量。

1 YOLOv5s模型結構

YOLOv5s 模型由輸入端（Input）、主干網絡（Backbone）、Neck 模塊、輸出端（Output）4 個部分組成。YOLOv5s 模型輸入端采用Mosaic 數據增強和自適應圖片縮放等方法對圖像進行預處理。主干部分包括切片模塊（Focus）、卷積模塊（Conv）、C3 模塊和空間金字塔池化模塊（SPP）。其中，Focus模塊是YOLOv5系列所特有的結構，當進行切片操作時，可確保下采樣不會丟失信息；SPP 模塊解決了卷積神經網絡對圖像特征重復提取的問題，提高了產生備選框的速度；C3模塊主要起到了精簡網絡結構，減少計算量的作用。Neck模塊部分采用特征金字塔網絡（FPN）+路徑聚合網絡（PAN）的多尺度特征融合結構，FPN 通過上采樣操作融合高層特征和底層特征信息；PAN則采用下采樣的方式傳達信息。

2 改進的YOLOv5s模型結構

2.1 主干網絡輕量化

原始的YOLOv5s 模型各模塊的層數及參數量如表1 所示。其中C3 模塊通過引入1×1 的卷積核來降低整個模型的參數量。通過比較可知，主干網絡中C3模塊的層數較多且參數量大。為了降低網絡計算復雜度，同時考慮小目標難以檢測以及有遮擋物、相似目標干擾等問題，本文提出一種融合的輕量級絕緣子缺失檢測模型。

表1 各模塊層數及參數量Tab.1 Layers and parameters of each module

2.2 CBAM注意力機制

由于所采集的圖像存在分辨率和像素值較低以及目標通道特征信息較少等問題，本文在Concat 模塊之后嵌入CBAM（Convolutional Block Attention Module）模塊［17］，使網絡能夠更好地關注絕緣子缺失部位的特征信息。CBAM 結合了空間（spatial）和通道（channel）的注意力機制，結構如圖1 所示。

圖1 CBAM整體結構Fig.1 Overall structure of CBAM

CBAM的整體注意力過程表示如下

式中：將中間特征圖F∈RC×H×W作為輸入，CBAM依次輸出一維通道注意力圖MC∈RC×1×1和二維空間注意力圖MS∈R1×H×W；?表示逐元素相乘；C為特征圖通道數；H和W分別為特征圖的高度和寬度。如圖2 所示，通道注意力模塊MC(F)為

圖2 通道注意力模塊Fig.2 Channel attention module

圖3 空間注意力模塊Fig.3 Spatial attention module

式中：σ為sigmoid 函數；MLP（Multi-Layer Perceptron）表示多層感知器；AvgPool 和MaxPool 分別表示對特征圖進行平均池化和最大池化操作；分別為平均池化特征和最大池化特征；W0∈RC/r×C，W1∈RC×C/r為MLP的權重。

式中：σ為sigmoid 函數；f7×7為大小為7×7 的卷積運算。

2.3 雙向特征金字塔網絡多尺度特征融合

隨著檢測網絡層數的不斷加深，特征逐漸由低層轉向高層。其中，低層特征由于分辨率較大，具有更強的位置信息，適合對目標進行定位；高層特征由于感受野較大，具有更強的語義信息，適合對目標進行分類。然而，在特征轉變過程中會造成低層特征信息的丟失，因此需要對不同尺度的特征進行融合，豐富特征的語義信息。不同特征融合網絡結構如圖4 所示。其中，PAN 和FPN 均未考慮不同分辨率下特征的貢獻差異問題。因此，本文采用加權雙向特征金字塔網絡（WBiFPN）［18］構造雙向通道，對特征進行跨尺度連接來實現加權融合。如圖4（c）中所示，對于同層級的原始輸入和輸出節點，WBiFPN 對兩者進行了連接，在增加極小計算量的情況下融合更多特征。

圖4 不同特征融合網絡結構Fig.4 Network structure of different feature fusion

由于不同的輸入特征分辨率不同，所以，對輸出特征的貢獻程度也不同。WBiFPN 為每個輸入特征賦予可學習的權重，令網絡可根據輸入特征的重要程度自主調整權重。

式中：ωi為可學習的權重，使用ReLU激活函數來保證ωi≥0；O為輸出特征；Ii為輸入特征；ε=0.000 1是一個很小的值，以保證數值的穩定。以層級6為例，式（6）和式（7）描述了WBiFPN網絡的雙向跨尺度連接和加權特征融合的過程。

式中：Resize通常指上采樣或下采樣操作；為自上而下路徑第6層的中間特征；為由底向上路徑第6層的輸出特征；Pin和Pout分別為輸入和輸出特征。為了滿足輕量化的要求，本文使用Add融合模塊，在不增加參數量的情況下對特征進行跨尺度加權融合，保證所提取特征的完整性。

2.4 SIoU損失函數

傳統的目標檢測損失函數僅考慮了真實框和預測框之間的距離、重疊區域和縱橫比這幾類指標，未考慮預測框收斂時的方向特征。本文使用SIoU 損失函數，其由Angle cost，Distance cost，Shape cost，IoU cost 4 個Cost 函數組成。Angle cost 對損失函數的貢獻方案如圖5 所示，其中B為預測框，BGT為真實框，若收斂過程將優先最小化α，否則最小化β。

圖5 Angle cost示意圖Fig.5 Schematic diagram of Angle cost

Angle cost表達式為

Distance cost對損失函數表達式為

式中：cw為預測框和真實框的水平距離；ch為預測框和真實框的豎直距離?？梢钥闯?，當α→0時，Distance cost 的貢獻程度隨之變??；而當時，貢獻程度則越來越大。

Shape cost表達式為

IoU cost表達式為

最后，回歸損失函數表達式為

總的損失函數表達式為

式中：Lcls為Focal loss；Wbox，Wcls分別為框和分類損失權重，可用遺傳算法進行選擇。圖6 為改進的YOLOv5s模型結構圖。

圖6 改進的YOLOv5s模型結構圖Fig.6 Improved YOLOv5s model structure diagram

3 實驗結果與分析

3.1 數據集設置

本文所使用的數據集一部分來自于中國電力線絕緣子數據集（CPLID）［11］，另一部分利用背景融合、隨機旋轉、添加噪聲等數據增強的方式對數據集進行擴充。圖像中包含完整的絕緣子串以及有缺失部分的故障絕緣子。數據集共包含4 618 張圖片，訓練集、測試集、驗證集按照8∶1∶1的比例劃分。

3.2 深度學習環境配置

本文所提方法是在pytorch框架上實現的。操作系統為Ubuntu，CPU 為24 核AMD EPYC 7642 48-Core Processor，內 存80 G，GPU 為NVIDIA GeForce RTX 3090，顯存24 G。

3.3 參數設置

對輸入圖像進行Mosic 增強，增加訓練數據的多樣性，提高模型的泛化能力。初始學習率Ir0=0.001，采用余弦退火策略更新學習率，終止學習率Irf=0.2；優化器選用SGD，動量momentum=0.937，避免網絡出現局部最優解的情況；輸入圖像的尺寸、batch_size和訓練輪數分別為640*640，16和300。

3.4 評價指標

本文選用mAP@0.5 和mAP@0.5：0.95 作為模型檢測精度的評價指標，mAP@0.5 為IOU=0.5 時的平均精度均值，mAP@0.5：0.95表示IOU 從0.5 到0.95，步長 為0.05 時mAP 的平均值。其中，IOU 為交并比，mAP綜合考慮了模型的精確率P（Precision）和召回率R（Recall）；使用浮點運算數（GFLOPS）作為模型計算量的評價指標；使用參數量（Parameters）作為衡量模型大小的指標；使用每秒處理圖像的數量（FPS）來評價模型的檢測速度。選用評價指標計算公式為

式中：A為真實框；B為預測框；TP為正例被正確判斷為正例的數量；FP為負例被錯誤判斷為正例的數量；FN為正例被錯誤判斷為負例的數量；AP為P-R曲線所圍成的面積；mAP為各類別AP的平均值，mAP越高，表示模型的精確度越好。

3.5 消融實驗

為驗證本文所提 4 種改進策略的有效性，使用上述數據集進行消融實驗，分別測試每種改進以及混合使用的效果。消融實驗結果如表2 所示，其中表2 第 1 行為原始YOLOv5s的實驗結果。

表2 消融實驗結果Tab.2 Ablation experiment results

通過分析可知，去除C3模塊之后模型的浮點運算數是2.8 GFLOPS，僅為原始模型的17.2%，參數量為1.22 M，是原始模型的18.1%，精確度下降了約1.6%。實驗表明去除C3模塊可以有效減小模型的計算量和參數量，達到輕量化的目的，但是也帶來了一些精度上的損失。接下來在去除C3模塊的基礎上對檢測精度進行提升。由表2 可以看出，每一處改進之后模型的檢測精度都會有提高，且計算量與參數量沒有增大。綜合來看，當 4 處改進同時進行時的效果最佳，精確度相較原始模型降低約0.8%，浮點運算數依然為2.8 GFLOPS。結果表明，計算量和參數量明顯降低，精確度損失極小，符合本文所提出輕量化檢測的目標。

3.6 魯棒性檢測實驗

為了更直觀地展示所提模型的性能，本文選取了小目標、遮擋目標以及模糊 3 個特殊場景進行檢測，檢測結果如圖7 所示，左邊為原始YOLOv5s 檢測結果圖，右邊為改進后的YOLOv5s 檢測效果圖。由圖7（a）可以看出，原始YOLOv5s 漏檢了圖像上占比較小的絕緣子部分，改進后的模型可以順利檢測出小目標；圖7（b）是在有遮擋物的場景中，原始YOLOv5s沒有檢測出桿塔遮擋下的絕緣子，由于本文引入WBiFPN 結構，使得模型能夠在融合了不同層次語義信息的全局特征中進行學習，從而使模型在預測時能更好地區分背景和目標，提高了在有遮擋物情況下目標的識別率。因此，改進之后的模型可以很好地檢測出有遮擋物的絕緣子；圖7（c）中，原始YOLOv5s 誤將圖像右上角的一排樹木看作絕緣子，在存在相似目標的場景中，本文所提YOLOv5s 模型能精確地識別絕緣子。實驗表明，原始YOLOv5s 模型在復雜多樣的檢測場景下出現了較多的漏檢以及誤檢的情況，而本文所提模型對此類特殊場景有很好的魯棒性，檢測效果明顯優于原始YOLOv5s模型。

圖7 特殊場景檢測結果對比圖Fig.7 Comparison of detection results in special scenes

3.7 對比實驗

為了證明所提模型的優越性，本節將從模型輕量化、注意力機制以及檢測性能 3 個角度設計對比實驗。首先，在主干網絡中分別對shuffle-NetV2，ghost，mobileNetV3 3 種輕量級模型進行對比，試驗結果如表3 所示。

表3 不同輕量化模型的性能對比Tab.3 Performance comparison of different lightweight models

由表3 可知，本文所提算法的精確度為96.8%，浮點運算數為2.8 GFLOPS，均優于其他3種輕量級模型。實驗結果驗證了本文所提算法在保證較高目標識別精確度的同時具有較低的計算量。其次，在改進YOLOv5s 模型中分別引入CBAM、CA（Coordinate Attention）、SE（Squeeze-and-Excitation）和ECA（Efficient Channel Attention）4 種注意力機制進行對比研究，具體結果如表4 所示。

表4 不同注意力機制下改進YOLOv5s模型的性能對比Tab.4 Performance comparison of improved YOLOv5s model under different attention mechanisms

分析數據可知，由于選用的都為輕量級注意力機制，因此，在浮點運算數和參數量方面差別較小。由于CBAM注意力機制可以同時關注到空間和通道信息，抓取重點特征，抑制一般特征，因此，融合了CBAM注意力機制的改進YOLOv5s模型的目標識別精確度明顯優于其他 3 種注意力機制。

為了進一步評估所提模型的有效性，使用上述數據集分別對YOLOv3，Faster-RCNN，SSD，YOLOv5s、改進的YOLOv5s進行對比實驗，結果如表5 所示。通過對比可以看出，本文模型因減少了神經網絡的深度，檢測精度相較于原始YOLOv5s下降了0.8%，但仍高于YOLOv3和SSD等模型。在計算量、參數量和推理速度方面表現出極大的優越性，實驗結果驗證了所提模型的有效性。

表5 與現有目標檢測模型性能對比結果Tab.5 Performance comparison results with existing target detection models

4 結論

本文提出了一種基于改進的YOLOv5s 輕量級絕緣子缺失檢測模型。為了彌補主干網絡輕量化所帶來的精度損失，在Neck部分融合了輕量級CBAM 注意力模塊，并采用WBiFPN 機制有效提高了模型對重點信息的感知能力，最后利用SIoU損失函數提高模型的收斂速度。實驗結果表明，本文所提模型很好地解決了現有絕緣子故障檢測模型存在的計算量大、復雜度高以及對小目標漏檢和誤檢的問題；在保證近似檢測精度的情況下，極大減小了計算量和復雜度，使得該模型更適用于實際工作場景。后續將針對因相機抖動而導致圖像模糊難以檢測的問題進行深入研究。