针对变电站绝缘套管过热红外图像检测精度不高的问题,提出了基于改进YOLO第7版(you only look once version 7,YOLOv7)算法的检测技术。通过引入改良的跨阶段部分网络幽灵版本3(cross stage partial network ghost version 3,C3Ghost)...针对变电站绝缘套管过热红外图像检测精度不高的问题,提出了基于改进YOLO第7版(you only look once version 7,YOLOv7)算法的检测技术。通过引入改良的跨阶段部分网络幽灵版本3(cross stage partial network ghost version 3,C3Ghost)模块替换头部网络中的扩展高效层聚合网络(extended efficient layer aggregation network,E-ELAN)模块,优化了网络结构,增强了算法对小目标的识别能力。此外,整合了轻量级基于归一化的注意力模块(normalization-based attention module,NAM)到主干网络中以提高对红外图像特征的利用效率,并引入幽灵卷积(ghost convolution,GhostConv)模块替换了网络中的所有卷积,显著降低了模型的大小。结果表明,与YOLOv7初始算法相比,改进YOLOv7算法在F1评分和平均精确率均值上分别提高了19.51%和16.57%,算法的参数量减小了16.3 MB,且检测速度达到了41帧/s,充分证明了该算法在变电站实际应用中的有效性。该研究不仅显著提高了变电站绝缘套管过热红外图像检测的准确性,也能为后续相关技术的研究提供参考。展开更多
文摘针对变电站绝缘套管过热红外图像检测精度不高的问题,提出了基于改进YOLO第7版(you only look once version 7,YOLOv7)算法的检测技术。通过引入改良的跨阶段部分网络幽灵版本3(cross stage partial network ghost version 3,C3Ghost)模块替换头部网络中的扩展高效层聚合网络(extended efficient layer aggregation network,E-ELAN)模块,优化了网络结构,增强了算法对小目标的识别能力。此外,整合了轻量级基于归一化的注意力模块(normalization-based attention module,NAM)到主干网络中以提高对红外图像特征的利用效率,并引入幽灵卷积(ghost convolution,GhostConv)模块替换了网络中的所有卷积,显著降低了模型的大小。结果表明,与YOLOv7初始算法相比,改进YOLOv7算法在F1评分和平均精确率均值上分别提高了19.51%和16.57%,算法的参数量减小了16.3 MB,且检测速度达到了41帧/s,充分证明了该算法在变电站实际应用中的有效性。该研究不仅显著提高了变电站绝缘套管过热红外图像检测的准确性,也能为后续相关技术的研究提供参考。
