基于深度学习的改进型YOLOv4输电线路鸟巢检测与识别

针对输电线路无人机巡视图像经典鸟巢检测算法权重参数范围大、识别效率低、识别精度低的缺点，提出了一种改进型YOLOv4输电线路鸟巢检测与识别方法。首先，选取Mosaic图像增强技术对图片集进行多种变换，变相增加图片集中的小目标数量。其次，在骨干特征提取网络中，通过引入深度可分离卷积来提高检测网络的速度；在YOLO头中，基于K-means++算法改进锚框的大小和比例，基于最小凸集建立回归损失函数。最后，在PANet和YOLO头之间增加2个SPP模块，进一步增强特征融合能力，提高小目标检测能力。利用某供电局无人机巡检图像制作数据集，将提出的算法与其他目标检测算法进行对比实验研究。实验结果表明，改进后的算法有更高的鸟巢检测准确度和更低的运算开销。