-
题名改进YOLOv7的输电线路融冰刀闸状态识别方法
被引量：1
- 1
-
-
作者
高绪杰
李泽滔
曾华荣
杨旗
张露松
-
机构
贵州大学电气工程学院
重庆公共运输职业学院智慧交通学院
贵州电网有限责任公司电力科学研究院
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第23期314-324,共11页
-
基金
国家自然科学基金(61963009)
中国南方电网有限责任公司科技项目(066600KK52210005)。
-
文摘
隔离刀闸状态的自动识别是冰期输电线路智能融冰倒闸操作中的关键环节。针对恶劣天气条件下,传统图像识别方法在识别融冰刀闸时精度较低的问题,提出了一种基于改进YOLOv7的融冰刀闸状态识别方法。在YOLOv7网络中引入自注意力机制(self-attention,S-A)模块,以增强网络在低对比度图像中的全局特征提取能力。同时对网络中的SPPCSPC模块进行改进,引入空洞空间金字塔池化技术(atrous spatial pyramid pooling,ASPP),提高对搭接刀闸等此类大目标的识别能力。根据搭接刀闸的特殊结构、大小和位置,在损失函数中添加约束项,增强对刀闸识别的针对性。最后,设计了一个M-MBO加速网络,利用多分支架构在推理时简化模型,提高模型识别速度。实验结果表明,在保证识别速度的同时,改进的YOLOv7模型mAP值可达97.9%,相比改进前的方法平均精度均值提高了2.5个百分点,验证了该方法的有效性。
-
关键词
YOLOv7
刀闸状态识别
自注意力机制
空洞空间金字塔池化(ASPP)
损失函数约束项
M-MBO
-
Keywords
YOLOv7
switch state recognition
self-attention mechanism
atrous spatial pyramid pooling(ASPP)
loss function constraint term
M-MBO
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进深度学习的刀闸状态识别方法研究
被引量：18
- 2
-
-
作者
张骥
张金锋
朱能富
余娟
陈子亮
-
机构
南京南瑞集团公司
国网安徽省电力公司
安徽大学电子信息工程学院
-
出处
《电测与仪表》
北大核心
2018年第5期8-13,共6页
-
基金
国家电网公司科技项目(基于SOA架构的变电站一体化业务系统关键技术研究与应用)
-
文摘
识别刀闸状态对于现代电力系统至关重要,传统的刀闸状态识别方法不能很好地解决多刀闸目标干扰问题。为了解决此问题,提出了一种基于改进深度学习的刀闸状态识别方法。首先采用空间加权的池化策略来改进传统的卷积神经网络(CNNs);其次利用改进CNNs在训练数据库上获得训练模型;然后通过训练模型来检测绝缘子和刀闸的潜在位置,并进一步利用非极大值抑制和直线拟合算法获得精确的绝缘子和刀闸位置;最后利用与绝缘子的连通性和刀闸区域的长宽比来识别多种刀闸的闭合或断开状态。实验结果表明此方法能够精确地定位绝缘子和刀闸的位置,显著提高刀闸状态识别的精度。
-
关键词
卷积神经网络
深度学习
绝缘子检测
刀闸状态识别
-
Keywords
convolutional neural networks
deep learning
insulators location
switch state recognition
-
分类号
TM933
[电气工程—电力电子与电力传动]
-
