紅外圖像檢測技術(shù)因具有非接觸、快速等優(yōu)點，被廣泛應(yīng)用于電力設(shè)備的監(jiān)測與診斷 中，而對設(shè)備快速精確地檢測定位是實現(xiàn)自動檢測與診斷的前提。與普通目標(biāo)的可見光圖像相比， 電力設(shè)備的紅外圖像可能存在背景復(fù)雜、對比度低、目標(biāo)特征相近、長寬比偏大等特征，采用原 始的 YOLOv3 模型難以精確定位到目標(biāo)。針對此問題，該文對 YOLOv3 模型進行改進：在其骨干 網(wǎng)絡(luò)中引入跨階段局部模塊；將路徑聚合網(wǎng)絡(luò)融合到原模型的特征金字塔結(jié)構(gòu)中；加入馬賽克 （Mosaic）數(shù)據(jù)增強技術(shù)和 Complete-IoU（CIoU）損失函數(shù)。將改進后的模型在四類具有相似波紋 外觀結(jié)構(gòu)的電力設(shè)備紅外圖像數(shù)據(jù)集上進行訓(xùn)練測試，每類的檢測精度均能達到 92%以上。最后， 將該文方法的測試結(jié)果與其他三個主流目標(biāo)檢測模型進行對比評估。結(jié)果表明：不同閾值下，該 文提出的改進模型獲得的平均精度均值優(yōu)于 Faster R-cnn、SSD 和 YOLOv3 模型。改進后的 YOLOv3 模型盡管在檢測速度上相比原 YOLOv3 模型有所犧牲，但仍明顯高于其他兩種模型。對 比結(jié)果進一步驗證了所提模型的有效性。
標(biāo)簽：
電力設(shè)備
紅外目標(biāo)檢測
上傳時間：
2021-10-30
上傳用戶：
