李岩 李建 李丹 杨豪杰 刘海峰 苏国芳

【摘  要】针对电力及水利行业人工巡检效率低、实时性差的问题，基于机器视觉模型，论文设计了针对电力设备及水利设施自动检测系统。系统使用YOLO V5模型，通过数据增强、数据训练，得到一种运算量较小、准确率较高的检测模型。

【Abstract】Aiming at the problem of low efficiency and poor real-time performance of manual inspection in the power and water conservancy industry， based on the machine vision model， an automatic detection system for power equipment and water conservancy facilities is designed in this paper. The system uses the YOLO V5 model， through data enhancement and data training， a detection model with less computation and higher accuracy is obtained.

【关键词】机器视觉;YOLO V5;电力;水利

【Keywords】machine vision; YOLO V5; power; water conservancy

【中图分类号】TP18                                             【文献标志码】A                                                 【文章编号】1673-1069（2021）12-0194-03

1 引言

随着城市化进程的加快，人民生活水平的提高，电力及水利行业在社会生活中的重要性不断增加。确保电力及水利设施的安全，保障社会需要，具有重要的现实意义。传统的检测系统普遍使用人工巡检的方式进行工作。当需要确定设备安全时，需要专业的巡查人员定期巡查，而人工监测的工作方式效率低、占用资源、实时性差且容易出现漏检，对设备的安全运行带来隐患。因此，使用机器视觉技术，利用捕捉的图像对电力及水利设施进行自动监测成为一种有效的解决方式。自动检测高效、实时、成本低且安全可靠。本文以采集到的电力设备及水利设施混凝土图像为训练样本，基于机器视觉方法，对电力设备运行情况及水利设施混凝土裂缝情况进行自动监测，人员只需对检查结果进行核查，高效、实时、成本低且安全可靠，具有一定的实用意义。

邹雷（2014）使用BP神经网络对水下混凝土裂缝进行识别;李若星（2018）使用Gabor滤波器来进行滤波处理并提取特征并使用自适应遗传算法对混凝土的方法对混凝土裂缝……