基于改进YOLOv7-Tiny的变电设备红外图像识别

作     者：邓长征 刘明泽 付添 弓萌庆 骆冰洁 

作者机构：三峡大学电气与新能源学院 湖北交投科技发展有限公司 

出 版 物：《红外技术》 (Infrared Technology)

年 卷 期：2024年

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：湖北省教育厅科学技术研究计划中青年人才项目(Q20151205) 

主　　题：变电设备 红外图像识别 YOLOv7-Tiny 注意力机制 轻量化 

摘      要：针对复杂背景下变电设备红外图像目标识别精度不高、识别速度慢的问题，本文提出一种基于改进YOLOv7-Tiny的变电设备红外图像识别算法。首先，引入轻量级瓶颈结构GhostNetV2 BottleNeck替换部分CBS模块构建轻量级高效聚合网络L-ELAN(Lightweight-EfficientLayerAggregation Network)，同时在特征提取阶段嵌入CA(Coordinate Attention)注意力机制，在降低网络参数量的同时加强网络对目标关键特征的提取，提升检测精度；将网络坐标损失函数替换为SIoU Loss，以提升锚框定位精度和网络收敛速度；在变电设备红外数据集上进行测试，结果表明，改进后网络的精确率达到96.2%，每秒检测帧数达到26.42frame/s，模型大小降低至7.82M。与其他四种对比算法相比较，本文算法在提升识别精度的同时将每秒检测帧数平均提升39.5%，模型大小减少36.9%，可以满足变电站设备的精准实时识别要求，为后续的变电站设备故障诊断奠定基础。