科研之友
微信
新浪微博
Facebook
分享链接
摘要
高效、准确的边端仪表检测设备是构建智能变电站的重要环节。针对变电站的复杂环境，移动边端设备难以快速、准确地检测出小目标、多类别、高相似的仪表目标的问题，提出一种基于轻量级SS-YOLOv5网络的电力仪表目标检测方法。该算法以YOLOv5为基础，采用轻量级网络ShuffleNet V2改进模型网络结构，引入深度可分离卷积提取仪表特征，降低颈部融合时模型计算复杂度，提高检测速度；结合SwinTransformer通过移位窗口进行建模，实现全局和局部信息交互，提升特征提取能力；最后自主构建变电站仪表图像数据集对模型进行训练、测试和验证。实验结果表明，与原YOLOv5算法相比，对于检测压力表、电流表、电压表等仪表图像，模型参数量减少了91.8%，目标检测速度提升43.8%，为部署到边端提供一种可行的技术方案，能够推动变电站的信息化与智能化的建设。
- 出版日期2023
- 单位辽宁工程技术大学
