本书主要阐述了人工智能领域中深度学习涉及的多种网络架构算法，详细阐述了YOLO系列和轻量化模型的网络架构和工作原理以及进行的多方面改进和提升。将改进后的网络模型在电力线路巡检及典型设备的识别和检测、烟支空稀头检测和公共环境中的吸烟检测等场景中进行实验和应用。本书融合了人工智能领域的基础理论和前沿应用，理论和实践相结合，对改进的网络模型进行了多方面的实验验证，验证算法的高效性和鲁棒性。 本书可作为相关专业本科生、研究生以及对人工智能领域感兴趣的读者在深度学习中的参考书，希望本书为广大读者及从事相关研究的工程技术人员提供有用参考。

第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 电力线提取研究现状
1.2.2 绝缘子识别研究现状
1.2.3 输电线路异物检测研究现状
1.2.4 烟支缺陷检测方法研究现状
1.3 目标检测算法的鲁棒性研究
1.4 主要研究内容
参考文献
第2章 基于深度学习的目标检测相关理论
2.1 卷积神经网络
2.1.1 神经网络
2.1.2 卷积神经网络原理
2.1.3 卷积神经网络的训练过程
2.2 目标检测算法
2.2.1 双阶段目标检测算法
2.2.2 单阶段目标检测算法
2.2.3 基于迁移学习的目标检测算法
2.3 目标检测性能评价指标
2.4 本章小结
参考文献
第3章 基于改进的Deeplabv3+网络的电力线提取研究
3.1 Deeplabv3+基础网络
3.1.1 编码器/解码器结构
3.1.2 Xception主干网络
3.1.3 深度可分离卷积
3.1.4 ASPP模块
3.2 改进的Deeplabv3+网络
3.2.1 改进的轻量化Mobilenetv2网络
3.2.2 改进ASPP模块
3.2.3 提出CASEB模块
3.2.4 引入CBAM
3.3 实验过程
3.3.1 数据集来源
3.3.2 数据增强
3.3.3 实验环境
3.3.4 评价指标
3.4 实验结果与分析
3.4.1 消融实验
3.4.2 模型训练稳定性实验
3.4.3 主流算法对比实验
3.5 本章小结
参考文献
第4章 基于改进的YOLOv7网络的绝缘子识别研究
4.1 YOLOv7基础网络
4.2 改进的YOLOv7网络
4.2.1 添加ECA模块
4.2.2 引入BiFPN模块
4.2.3 替换上采样算子
4.2.4 K均值算法聚类
4.3 实验过程
4.3.1 数据集来源及扩充
4.3.2 实验环境
4.3.3 评价指标
4.4 实验结果与分析
4.4.1 消融实验
4.4.2 模型稳定性实验
4.4.3 主流算法对比
4.4.4 可视化结果对比
4.5 本章小结
参考文献
第5章 基于改进的YOLOv5输电线路异物检测算法
5.1 目标检测概述
5.2 基于深度学习网络的目标检测算法研究
5.2.1 Faster R-CNN目标检测算法
5.2.2 SDD目标检测算法
5.2.3 YOLO目标检测算法
5.3 基于改进的YOLOv5输电线路异物检测
5.3.1 基于YOLOv5网络的目标检测算法
5.3.2 改进主干网络的YOLOv5算法
5.3.3 融入SENet注意力机制的YOLOv5算法
5.3.4 改进多尺度融合的YOLOv5算法
5.4 实验过程
5.4.1 实验环境
5.4.2 实验数据及其预处理
5.4.3 评价指标
5.5 实验结果与分析
5.6 本章小结
参考文献
第6章 基于改进的YOLOv5异物检测算法鲁棒性研究
6.1 样本的生成方法
6.1.1 FGSM算法
6.1.2 BIM算法
6.1.3 PGD算法
6.1.4 基于热重启机制的PGD算法
6.2 基于数据漂移鲁棒性的研究方法
6.2.1 数据重采样方法
6.2.2 有监督的样本学习方法
6.2.3 无监督的样本学习方法
6.2.4 基于多尺度特征融合的自监督学习方法
6.3 实验结果与分析
6.3.1 鲁棒性能评价指标
6.3.2 输电线路异物检测算法对抗攻击实验分析
6.3.3 基于输电线路异物检测算法漂移鲁棒性实验分析
6.4 本章小结
参考文献
第7章 基于深度学习的烟支空稀头缺陷检测算法
7.1 基于改进的YOLOv5s烟支空稀头缺陷检测算法
7.1.1 YOLOv5s模型
7.1.2 基于双向CGhost-YOLOv5s算法
7.1.3 实验结果与分析
7.2 基于改进的YOLOv7烟支空稀头缺陷检测算法
7.2.1 基于全维注意力机制的Re-YOLOv7算法
7.2.2 实验结果与分析
7.3 本章小结
参考文献
第8章 烟支空稀头缺陷检测管理系统设计与实现
8.1 烟支空稀头缺陷检测管理系统概述
8.1.1 软硬件环境配置
8.1.2 系统开发工具介绍
8.2 烟支空稀头缺陷检测管理系统的总体设计
8.2.1 功能需求分析
8.2.2 系统结构设计
8.3 烟支空稀头缺陷检测管理系统的功能实现
8.4 烟支空稀头缺陷检测管理系统的测试与分析
8.5 本章小结
第9章 基于改进的YOLOv7-tiny算法的吸烟目标检测研究
9.1 本章算法
9.1.1 YOLOv7-tiny算法
9.1.2 SGEN-YOLOv7-tiny网络模型
9.1.3 改进的EMA注意力机制
9.2 S-GD机制
9.2.1 Slim-Low-GD模块
9.2.2 High-GD模块
9.2.3 改进的信息注入模块
9.2.4 改进的VoV-GSCSP模块
9.3 损失函数NWD
9.4 实验过程
9.4.1 实验环境及参数
9.4.2 数据集
9.4.3 性能指标
9.4.4 对比实验
9.4.5 消融实验
9.5 实验结果与分析
9.6 本章小结
参考文献