复杂背景条件下的电气设备图像实例分割算法

作     者：张志君 张惊雷 贾鑫 Zhang Zhijun;Zhang Jinglei;Jia Xin

作者机构：天津理工大学电气工程与自动化学院天津300384 天津市复杂系统控制理论及应用重点实验室天津300384 天津理工大学工程训练中心天津300384 

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

年 卷 期：2024年第47卷第1期

页      面：110-117页

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] 

基　　金：国家自然科学基金青年项目(62302335)资助 

主　　题：电气设备识别 实例分割 YOLACT++ 可见光图像 

摘      要：变电站巡检拍摄的电气设备可见光图像存在背景杂乱、目标轮廓不规则等特点,造成设备分割精度不高,影响智能巡检系统设备识别效果。基于此,提出一种改进的YOLACT++模型,实现设备目标精确实例分割。首先,设计了电气设备特征提取主干网络DAGNet,提升了网络对复杂背景下重要特征的关注度;同时在原型网络分支引入3D注意力模块SimAM,降低混乱背景对目标分割的干扰。使用某市8个区域58座110 kV变电站和86座35 kV变电站巡检所得避雷器、断路器等6类电气设备的1730张可见光图像的标记数据集对该模型进行验证,实验结果表明,改进YOLACT++模型分割的AP_(all)指标为84.1%,相较原模型提高了4.4%,与YOLACT、Mask R-CNN和YOLOv8模型相比分别高出4.0%、9.3%、1.6%,较好地实现了6类电气设备的识别,可满足电力巡检中准确性和快速性的要求。