基于改进YOLOv8n的变电设备红外图像实例分割算法

作     者：李冰 杜喜英 王玉莹 翟永杰 Li Bing;Du Xiying;Wang Yuying;Zhai Yongjie

作者机构：华北电力大学自动化系保定071003 

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

年 卷 期：2024年第47卷第10期

页      面：151-159页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 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] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金面上项目(62373151) 国家自然科学基金联合基金项目重点支持项目(U21A20486) 河北省自然科学基金面上项目(F2023502010) 中央高校基本科研业务费专项资金(20237488)资助 

主　　题：变电设备实例分割 YOLOv8n 可变形卷积 Wise-IOUv2 

摘      要：变电设备是电网输变电过程的重要组成部分,为保证电网的正常运行,需对变电设备进行故障诊断,红外图像中变电设备的精确分割是故障诊断的关键步骤。针对红外图像复杂场景中变电设备分割时存在的分割精度低和漏分割的问题,提出一种基于改进YOLOv8n的变电设备红外图像实例分割算法。首先设计一种上下文引导的特征增强下采样块替换YOLOv8n中的下采样卷积层,充分利用上下文信息和全局信息,增强模型对复杂场景的理解能力;然后引入可变形卷积重构Backbone中的C2f模块,增强对不规则设备特征的提取能力;最后用Wise-IOUv2对损失函数进行优化,提高模型的泛化性和分类能力。使用变电设备红外图像数据集对该模型进行实验验证,实验结果表明,相较于YOLOv8n基准模型,本文所提方法的mAP50和mAP50:95分别提高了4.2%和3.5%,所提方法能够较好地解决复杂场景下设备漏分割的问题,有效提高变电设备实例分割的准确率。