目  录

摘  要

ABSTRACT

1.绪论 1

1.1选题背景及意义 1

1.2国内外研究现状 2

1.3本课题的主要研究内容 4

1.4论文结构安排 4

2.相关技术 6

2.1YOLO系列简介 6

2.1.1YOLO 6

2.1.2YOLOv2 7

2.1.3YOLOv3 8

2.2YOLOv3与其他目标检测算法的对比 9

3.基于YOLOv3的电路缺陷识别算法设计 11

3.1实验环境 11

 

3.2图像数据集 11

3.2.1图像数据集的采集 11

3.2.2图像数据集的扩充 13

3.2.3图片标注与图像数据集制作 14

3.3改进方法 15

3.3.1anchor box维度聚类的改进 15

3.3.2filters的改进 15

3.3.3用laplace分布关联定位和分类 15

3.4训练过程 16

3.5训练结果及评估 17

3.6具体工作流程和效果图 18

4.总结与回顾 23

4.1总结 23

4.2工作回顾 23

参考文献 25

致谢 26

 

摘　　要

 

在输电杆塔之间的线路上，因为这些线路暴露在自然环境中，所以有时候会因为时间的关系或者人为破坏出现导线破损等情况。电力系统的安全维护基于对这些缺陷的识别，而用传统的人工的方法来检测大量线路的损坏情况工作量巨大且效果不好。因此提出了用YOLOv3这种基于深度卷积神经网络的实时性强准确率高的目标检测算法来配合无人机巡检，识别输电线路上的破损导线等缺陷。 

面对以上分析的情况，就目前的研究现状表明，以深度学习为基础的各种网络算法对输电线路的缺陷检测具有明显的优势。本课题首先拍摄自制图片集，再使用labelImg软件制作图片数据集，接着使用YOLOv3算法对这些图像数据进行训练，最后根据训练结果对数据集和算法进行相应改进，得到最终的权重文件。从而完成对输电线路缺陷的检测，达到实时检测的研究目的，从而达到保障输电线路的安全的目的。

基于以上输电线路缺陷识别系统的设计，对该检测系统的系统架构、系统流程以及YOLOv3算法的实现做了详细阐述。同时，对系统的功能进行了实验测试，结果表明本系统对输电线路缺陷检测有一定的效果。

关键词: 

卷积神经网络； YOLOV3； 缺陷检测； 输电线路