1882023ＲadioEngineeringVol.53No.1doi:10．3969/j．issn．1003－3106．2023．01．025引用格式:徐文校，张银胜，王东平，等．改进YOLOX算法的输电线路关键部件及缺陷检测［J］．无线电工程，2023，53(1):188－198．［XUWenxiao，ZHANGYinsheng，WANGDongping，etal．KeyComponentsandDefectDetectionofTransmissionLineBasedonImprovedYOLOX［J］．ＲadioEngineering，2023，53(1):188－198．］改进YOLOX算法的输电线路关键部件及缺陷检测徐文校1，张银胜1，2，王东平3，黄文礼4(1．南京信息工程大学电子与信息工程学院，江苏南京210044;2．无锡学院电子与信息工程学院，江苏无锡214105;3．中国人民解放军特种电子装备修造厂，安徽合肥230088;4．安徽南瑞继远电网技术有限公司，安徽合肥230088)摘要:输电线路作为电力系统的载体，对其进行定期巡检，在第一时间对潜在的安全隐患进行干预是电力系统稳定运行的关键所在。针对输电线路关键部件及缺陷，依托无人机巡检图像，提出了一种改进YOLOX的目标检测算法，进一步加强浅层特征与深层特征的融合，丰富特征图信息;添加位置注意力模块，将位置信息与通道特征进行融合，促使神经网络在更大的区域上进行注意力调节，有利于感兴趣对象的精准定位;对回归损失进行分类处理，加大难回归样本的损失占比，提高算法的检测精度。实验表明，改进后的YOLOX检测算法相比于原始的YOLOX，mAP值提高了3.64%，证明了所提算法的真实有效性。关键词:输电线路;YOLOX;特征融合;注意力机制;损失占比中图分类号:TP399文献标志码:A开放科学(资源服务)标识码(OSID):文章编号:1003－3106(2023)01－0188－11KeyComponentsandDefectDetectionofTransmissionLineBasedonImprovedYOLOXXUWenxiao1，ZHANGYinsheng1，2，WANGDongping3，HUANGWenli4(1．SchoolofElectronicandInformationEngineering，NanjingUniversityofInformationScience＆Technology，Nanjing210044，China;2．SchoolofElectronicandInformationEngineering，WuxiUniversity，Wuxi214105，China;3．ChinesePeople＇sLiberationArmySpecialElectronicEquipmentＲepairFactory，Hefei230088，China;4．AnhuiNariJiyuanPowerGridTechnologyCo．，Ltd．，Hefei230088，China)Abstract:Asthecarrierofthepowersystem，thekeytothestableoperationofthepowersystemistoinspectthetransmissionlineregularlyandintervenethepotentialsecuritydefectsinthefirsttime．Aimi...
