-
题名基于多模态感知的变电站智能巡视技术
被引量：4
- 1
-
-
作者
吴碧海
王超
魏嘉隆
裴星宇
-
机构
南方电网广东珠海供电局
-
出处
《广东电力》
北大核心
2024年第3期54-63,共10页
-
基金
中国南方电网有限责任公司科技项目(030400KK52190114(GDKJXM20198090))。
-
文摘
针对目前变电设备识别和故障定性过程中的低效和人工依赖问题,提出一种改进的YOLOv5模型,可用于变电站设备的自动化识别和故障检测。首先,在主干网络引入ShuffleNet v2,降低模型的计算量和参数量,实现模型轻量化处理;然后,引入有效交并比损失函数,提高预测框的回归精度和收敛速度;最后,在网络中嵌入卷积块注意力模块(convolutional block attention module, CBAM),提高模型检测的准确率。在自建数据集上的实验结果显示,与其他6种模型相比,改进的YOLOv5模型在参数量、计算量和平均准确率方面均有显著优势。消融实验进一步验证了ShuffleNet v2和CBAM对提升检测精度和实时性的贡献。通过这些改进,模型的参数量较原YOLOv5模型减少了5.26 Mibit,计算量减少了10.3 Gibit,平均准确率提升了4%,展现了其在变电设备智能巡视领域的应用潜力。
-
关键词
变电设备
YOLOv5
ShuffleNet
卷积块注意力模块
有效交并比
-
Keywords
substation equipment
YOLOv5
ShuffleNet
convolutional block attention module(CBAM)
efficient intersection over union(eiou)
-
分类号
TM63
[电气工程—电力系统及自动化]
TP277
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于改进YOLOv5s的综采工作面人员检测算法
被引量：23
- 2
-
-
作者
张磊
李熙尉
燕倩如
王浩盛
雷伟强
-
机构
山西大同大学煤炭工程学院
山西大同大学智能采矿装备产业技术创新研究院(产业学院)
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2023年第7期82-89,共8页
-
基金
山西省研究生教育创新项目(2021Y739)
山西大同大学研究生教育创新项目(21CX02,21CX37)
+1 种基金
山西大同大学2022年度校级揭榜招标项目(2021ZBZX3)
山西大同大学2021年度产学研专项研究项目(2021CXZ2)。
-
文摘
为了智能监控井工煤矿综采工作面危险区域人员闯入和安全帽佩戴问题,避免监控视频受粉尘干扰、光照不均等因素影响图像检测精度的问题,提出一种基于改进YOLOv5s的目标检测算法(简称YOLOv5s-DPE),并建立相关模型。首先,在颈部网络部分,采用深度可分离卷积(DwConv)替换普通卷积,降低参数量和计算量;然后,引入改进的路径聚合网络(PANet)提升特征提取能力,替换边界框损失函数完全交并比(CIOU)为有效交并比(EIOU),提升检测准确率;最后,选取综采工作面视频中的人员图像进行检测,选取煤矿井下人员闯入和安全帽佩戴监控视频作为检测数据集,并进行训练和验证。结果表明:对比初始YOLOv5s算法模型,YOLOv5s-DPE算法模型的参数量下降14.2%,浮点数计算量下降7.6%,算法网络模型大小下降12.5%,均值平均精度(mAP)@0.5提升到93.7%,mAP@0.5∶0.95提升到65.8%,YOLOv5s-DPE模型对小目标检测效果更好,误检漏检等情况有所减少。
-
关键词
YOLOv5s
综采工作面
检测算法
深度可分离卷积(DwConv)
有效交并比(eiou)
路径聚合网络(PANet)
-
Keywords
YOLOv5s
fully mechanized coal face
detection algorithm
depthwise separable convolution(DwConv)
efficient intersection over union(eiou)
path aggregation network(PANet)
-
分类号
X936
[环境科学与工程—安全科学]
-
