测控技术2023年第42卷第1期模式识别与人工智能收稿日期:2021－12－02基金项目:国网新疆电力有限公司科技项目(5230BD2000ＲZ)引用格式:闫彦辉，张楠，武建超，等．基于YOLOv5s剪枝模型的输电线路全景监测研究［J］．测控技术，2023，42(1):10－15．YANYH，ZHANGN，WUJC，etal．PanoramicMonitoringofTransmissionLineBasedonYOLOv5sPruningModel［J］．Meas-urement＆ControlTechnology，2023，42(1):10－15．基于YOLOv5s剪枝模型的输电线路全景监测研究闫彦辉1，张楠1，武建超1，张国庆1，唐锐1，倪威2*(1．国网新疆电力有限公司巴州供电公司，新疆库尔勒841000;2．华北电力大学电气与电子工程学院，北京102206)摘要:随着人工智能技术的快速发展，基于深度学习的目标检测算法在诸多行业得到了应用。针对当前输电线路影像中典型障碍物目标识别对人工要求较高的问题，提出了基于YOLOv5模型剪枝的算法来对输电线路附近典型目标进行检测。首先，算法进行基础训练后得到一个检测精度和推理速度两种性能比较均衡的网络模型，再进行稀疏训练以获得参数较为稀疏的神经网络模型，最后，采取不同剪枝策略对网络进行修剪，达到压缩模型大小提高推理速度的目的。在自制数据集上使用多种算法进行对比试验，实验结果表明:相较于YOLOv4、CenterNet和SSD算法，所提算法在保持相对较高检测精度条件下提高了检测速度，能够满足实际需要。关键词:YOLOv5;目标检测;稀疏训练;模型剪枝中图分类号:TP391文献标志码:A文章编号:1000－8829(2023)01－0010－06doi:10．19708/j．ckjs．2023．01．002PanoramicMonitoringofTransmissionLineBasedonYOLOv5sPruningModelYANYan-hui1，ZHANGNan1，WUJian-chao1，ZHANGGuo-qing1，TANGＲui1，NIWei2(1．BazhouPowerSupplyCompany，StateGridXinjiangElectricPowerCo．，Ltd．，Korla841000，China;2．SchoolofElectricalandElectronicEngineering，NorthChinaElectricPowerUniversity，Beijing102206，China)Abstract:Withtherapiddevelopmentofartificialintelligencetechnology，targetdetectionalgorithmbasedondeeplearninghasbeenappliedinmanyindustries．Aimingatthehighmanualrequirementoftypicalobstacletargetsrecognitionincurrenttransmissionlineimages，apruningalgorithmbasedontheYOLOv5modelispro-posedtodetecttypicaltargetsnearthetransmissionline．Firstly，anetworkmodelwithbalancedperformanceofdetection...
