面向低空巡检的无人机边缘智能视觉缺陷检测模型压缩与推理加速部署.docxVIP

PAGE2

面向低空巡检的无人机边缘智能视觉缺陷检测模型压缩与推理加速部署

摘要

低空经济的快速发展推动无人机电力巡检成为保障电网安全的关键手段，然而无人机机载计算平台受限于功耗与算力，难以直接部署高精度的大规模缺陷检测模型。本文针对输电线路巡检中绝缘子、金具等设备缺陷的实时检测需求，设计并实现了一种面向边缘端的轻量化缺陷检测模型及其压缩部署方案。核心工作包括：在YOLOv8-nano基础上改进特征提取网络，构造Slim-YOLO-Aerial轻量模型；提出基于通道重要性评分的结构化剪枝算法，结合层间敏感度分析实现模型体积压缩70%；设计分段线性对称量化方案，将模型参数从FP32转换为INT8，并部署于NVIDIAJetsonOrinNX机载计算平台。通过TensorRT推理加速与多线程异步流水线优化，最终实现单帧推理延迟低于30ms，检测精度mAP@0.5达到91.2%，满足无人机巡检对实时性与准确性的双重需求。论文遵循“需求分析—总体设计—详细设计—实现—测试”的工程递进思路，完整呈现了从模型设计到边缘部署的全流程，为低空电力巡检的智能化升级提供了可行的技术方案。

关键词：低空经济；无人机巡检；缺陷检测；模型压缩；剪枝与量化；边缘推理

第一章绪论

1.1研究背景

低空经济作为国家战略性新兴产业，正深刻改变着电力巡检行业的作业模式。传统人工巡检需要巡检人员徒步翻山