科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对目前变电站容易遭遇无人机入侵所面临的实际问题提出了一种改进YOLOv5的反无人机目标检测方法。首先，通过改进Yolov5原模型结构提出四尺度特征融合结构，增强小尺度物体的检测能力；其次，将原有模型内C3模块引入Transformer编码器，提升小目标特征信息学习能力；最后，将卷积通道注意力模块集成到网络中，专注于目标区域的学习，以提升模型对于特征的表征能力。测试结果表明，改进后模型整体识别率达到90.2%，平均精度可达89.5%，前向推理速度可达每秒160帧。此外，综合对比现有其它前沿算法，该方法整体性能更优，更能满足变电站反无人机的实时检测需求。
- 出版日期2023
- 单位云南电网有限责任公司电力科学研究院; 上海电力大学
