改进U-net的电气设备紫外图像放电光斑分割

作者：申万科; 李罗璟懿; 方春华^*; 江全才; 陆杰炜; 夏星宇; 彭万钊

来源：红外技术, 2024, 1-9.

• 紫外检测
• 语义分割
• U-net
• 迁移学习
• 注意力机制

本文提出了一种名为VA-Unet的语义分割模型，旨在解决传统分割方法在电气设备紫外检测任务中面临的复杂背景及小光斑分离困难、特征选取复杂、分割精准度低等问题。VA-Unet引入了VGG16特征提取模块和迁移学习，提高训练速度并增强模型泛化能力；同时，增加了注意力门（Attention Gate）以提高模型精度，从而实现对紫外图像放电光斑的精准分割。此外，VA-Unet采用混合损失函数代替单一损失函数，解决了紫外放电光斑数据集样本不平衡的问题。实验表明，VAUnet模型在紫外图像放电光斑的精准定位和准确分割方面表现突出，其IoU,PA,F1-score评价指标分别达到84.09%,88.20%,91.35%，相较于初始U-net网络，分别提升了14.41%,3.24%,9.22%。

• 出版日期2024
• 单位三峡大学