基于深度学习的输电线路销钉缺陷检测

销钉是输电线路中的重要器件,起到固定螺母的作用,一旦出现故障,可能造成大面积停电等隐患。由于销钉缺陷目标较小,对于目标检测算法来说是一种很大的挑战。针对特征金字塔算法做出了改进,提出Pin Net。首先,特征提取层换为残差网络的最新变体SCNet,提取更具辨别力的特征。其次,在FPN的基础上,设计了Pin FPN,进一步增强了底层的语义信息和位置信息,提高检测小目标的能力。最后,针对数据集不足的问题,采用多种方式的数据增强,扩充训练样本,提高模型的鲁棒性。在测试集上,相比于原算法,该模型在销钉缺失目标上的AP值提高了4.2%,与其他主流的算法相比,也具有很大的优势。为了进一步证明算法的有效性,在其他输电线路小目标缺陷数据集上测试,同样可以取得不错的效果。