FINet：基于合成雾和改进YOLOv5的绝缘子数据集和检测基准

绝缘子及其缺陷的检查对确保电力系统的安全性和稳定性具有重要意义。小样本是基于神经网络的绝缘子缺陷检测的主要问题之一。在本研究中，我们发布了一个用于绝缘子和自爆缺陷检测的数据集，并提供了一个基于改进YOLOv5的基准，命名为Foggy Insulator Network（FINet）。在这项工作中，实施并优化了一种合成雾算法。构建并发布了一个包含13000张图像的绝缘子数据集（SFID）。通过引入通道注意机制，YOLOv5网络改善为SE-YOLOv5，并从头开始训练出一个对绝缘子及其缺陷具有96.2% F1得分的鲁棒检测模型，作为基准。本文提出的合成雾算法可广泛用于各种数据集的数据增强。训练好的模型可应用于输电线路的检查。源代码、数据集和教程可在GitHub上获取。