-
题名一种改进YOLOv8n的电力设备红外图像识别网络
- 1
-
-
作者
李珅
杜科
李舟演
李宁
熊岑
柳明慧
秦伦明
-
机构
国网上海市电力公司
上海电力大学电子信息工程学院
-
出处
《无线电工程》
2024年第10期2362-2370,共9页
-
基金
国家电网有限公司科技项目(SGSH0000AJJS2310204)。
-
文摘
针对目前电力设备红外图像识别算法存在检测精度低和模型计算量大的问题,提出一种改进YOLOv8n的电力设备红外图像识别网络YOLOv8n-DCSW。在YOLOv8n主干网络中添加坐标注意力(Coordinate Attention, CA)并使用可变形卷积网络(Deformable Convolution Network, DCN)替换残差模块中的标准卷积,加强复杂环境下对小目标的关注度,提高识别精度;将颈部网络更换为Sim-neck,降低模型运算量;引入Wise交并比(Wise Intersection over Union, WIoU)损失函数减少低质量边框产生的梯度干扰,提升模型的识别精度和收敛速度。实验结果表明,所提算法在自建红外数据集上的平均精度均值(mean Average Precision, mAP)达到95.9%,计算量为6.9 GFLOPs,相较原算法mAP提高了1.7%,同时计算量减少了1.2 GFLOPs,满足电力设备红外图像识别的高精度和低计算量要求。
-
关键词
电力设备红外图像
目标检测
YOLOv8n
可变形卷积
注意力机制
边框损失函数
-
Keywords
infrared images of power equipment
object detection
YOLOv8n
deformable convolution
attention mechanism
bounding box loss function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
