基于改进YOLOv5的变压器漏油检测

作     者：王铖浩 骆忠强 漆梓渊 Wang Chenghao;Luo Zhongqiang;Qi Ziyuan

作者机构：四川轻化工大学自动化与信息工程学院宜宾644000 四川轻化工大学人工智能四川省重点实验室宜宾644000 

出 版 物：《国外电子测量技术》 (Foreign Electronic Measurement Technology)

年 卷 期：2023年第42卷第9期

页      面：169-176页

学科分类：080901[工学-物理电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0803[工学-光学工程] 

基　　金：国家自然科学基金(61801319) 四川省科技计划项目(2020JDJQ0061,2021YFG0099) 中国高校创新基金项目(2020HYA04001) 四川轻化工大学人才引进项目(2020RC33) 四川轻化工大学研究生创新基金(Y2022124)项目资助 

主　　题：变压器漏油检测 YOLOv5 特征融合 Wise-IoU EfficientViT 

摘      要：为了能够及时检测变压器的漏油问题,保障电力系统的正常运转,提出了一种基于改进YOLOv5的变压器漏油检测方法。通过在特征金字塔网络(FPN)结构基础上加入4倍采样层,使特征信息跨层融合,提高模型的检测准确率;引入具有动态非单调聚焦机制的Wise-IoU边界框损失函数来加快网络的训练与推理,通过权衡低质量样本和高质量样本的学习进一步提高模型的整体性能;最后,受Transformer模型的启发,使用EfficientViT模型作为主干网络,大幅减少了模型的参数量,虽然牺牲了小部分检测性能,但仍保持了优于原模型的性能。使用自建的户外变压器漏油数据集进行训练与测试,结果表明,与原模型相比,改进后的网络准确率提高了8.6%,召回率提高了8.5%,mAP@0.5提高了7.8%,参数量下降了42.3%,有利于工程部署。