第27卷第6期2022年12月哈尔滨理工大学学报JOUＲNALOFHAＲBINUNIVEＲSITYOFSCIENCEANDTECHNOLOGYVol.27No.6Dec.2022新型YOLOv4－tiny网络及在绝缘子检测中的应用宋立博1，费燕琼2(1．上海交通大学学生创新中心，上海200240;2．上海交通大学机械与动力工程学院，上海200240)摘要:针对电力线快速智能巡检需求，提出在飞行器上安装边缘设备进行智能检测的设想。为提高检测性能，依据原始YOLOv4-tiny深度网络结构设计了以Ｒesblock-D轻量化网络为特征提取网络和Ｒesblock-D+CSPDarknet53-tiny为主干的新型YOLOv4-tiny算法和网络。在JetsonNANO上在搭建成功GPU版Darknet深度框架用于训练、部署和测试。以ImageNet标准图像库中的powerline图片集及街拍电力线图片为基础，建立PascalVOC格式的绝缘子数据集，训练成功无预训练权重文件的绝缘子识别网络。选择平均均值误差(mAP)最高的权重文件，在JetsonNANO上进行绝缘子智能识别实验。与标准YOLOv4-tiny算法相比，新型YOLOv4-tiny算法权重文件和计算量仅为58%和66.7%，检出速度快约16%，检出数量高约10%，误检数量低10%，证实其高效性和实用性。关键词:深度网络;绝缘子;残差网络;边缘设备DOI:10．15938/j．jhust．2022．06．009中图分类号:TP391.4文献标志码:A文章编号:1007－2683(2022)06－0073－07收稿日期:2021－08－25基金项目:国家自然科学基金(51875335).作者简介:费燕琼(1972—)，女，博士，教授.通信作者:宋立博(1973—)，男，博士，副研究员，E-mail:libosong@sjtu．edu．cn．ANewYOLOv4－tinyNeuralNetworkandItsApplicationonObjectDetectionofPower－lineIsolatorsSONGLi-bo1，FEIYan-qiong2(1.StudentInnovationCenter，ShanghaiJiaoTongUniversity，Shanghai200240，China;2.SchoolofMechanicalEngineering，ShanghaiJiaoTongUniversity，Shanghai200240，China)Abstract:Conformingtotherapidincreasingrequirementsoffastandintelligentinspectionofpowerlines，theideaofinstallingedgedeviceonaircraftforintelligentinspectionisputforward.TheＲesblock-Dlightweightnetworkisselectedasthefeatureextractionnetwork，andthenewYOLOv4-tinyalgorithmanddeepnetworkbasedonthestandardYOLOv4-tinystructureisdesignedastheＲesblock-DandtheCSPDarknet53-tinyareusedasthemainbackbone.Then，therelatedGPUversionDarknetdeepnetworkframewasbuiltonJetsonNANOfortraining，deployingandt...
