科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对变电站仪表外观缺陷检测任务中存在的缺陷分布广、缺陷外观特征变化多样与特征提取困难问题，提出了基于改进YOLOX的变电站仪表外观缺陷检测算法。通过对比样本策略寻找到各类外观缺陷中有判别力的特征并对其进行深入挖掘；接着在网络的骨干部分加入全局上下文信息模块(GC-Model)，增强模型对于外观缺陷特征的学习能力，提高网络性能；最后在预测部分使用SIoU损失函数，充分考虑方向框的角度问题对于模型优化的影响，从而提高对变电站仪表外观缺陷检测的准确率，减少漏检、误检情况发生。在实验中将选取4种典型的变电站仪表外观缺陷类型作为实验对象，通过实验结果分析，相较基线模型，平均精确率(mAP)提升了6.2%，可以有效提升变电站仪表外观缺陷的检测效果，为无人变电站的智能监测提供了有利条件。
- 出版日期2023
- 单位华北电力大学
