-
题名基于改进YOLOv7的MODF端口状态检测算法
- 1
-
-
作者
胡朝举
郭凤仪
-
机构
华北电力大学计算机系
-
出处
《计算机工程》
北大核心
2025年第2期78-85,共8页
-
基金
国家自然科学基金(61502168)。
-
文摘
人工巡检的管理方式导致光纤总配线架(MODF)端口状态的信息准确率较低,无法区分占用端口与虚占端口。针对MODF资源管理中的端口状态识别问题,提出一种改进的YOLOv7目标检测模型。鉴于数据集采集困难且类别不均衡,采用多种数据增强方法来扩充数据集;在骨干网络中使用共享权重的感受野扩大模块(RFEM),扩大端口目标的感受野,减少训练过程中的过拟合风险;提出F-EMA注意力模块,以提高对空间上下文信息的利用率,减少因端口接近或被遮挡而导致的漏检、误检等情况;使用NWD损失函数替代交并比(IoU)度量,减轻对小目标位置偏差的敏感性,提升密集小物体检测准确率。实验结果表明,改进模型的mAP@0.5值达到98.8%,相比原Yolov7模型提升了2百分点,mAP@0.5∶0.95值达到63.8%,提升了9.5百分点,提高了MODF端口资源利用率,满足智能巡检系统对于端口占用状态识别准确率的基本要求。
-
关键词
深度学习
YOLOv7算法
光纤总配线架
损失函数
感受野扩大模块
注意力模块
-
Keywords
deep learning
YOLOv7 algorithm
Fiber Optic Distribution Frame(MODF)
loss function
Receptive Field Expansion Module(RFEM)
attention module
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
