基于改进YOLOv7的变电站设备红外图像识别方法

作     者：陈怡伦 马萍 贾爱迪 张宏立 CHEN Yilun;MA Ping;JIA Aidi;ZHANG Hongli

作者机构：新疆大学电气工程学院新疆维吾尔自治区乌鲁木齐830017 国网昌吉供电公司新疆维吾尔自治区昌吉831100 

出 版 物：《红外技术》 (Infrared Technology)

年 卷 期：2024年第46卷第9期

页      面：1035-1042页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：新疆维吾尔自治区自然科学基金资助项目(2022D01C367) 国家自然科学基金资助项目(复杂数据特征下风电传动系统故障诊断研究,52065064,52267010) 

主　　题：变电站设备 红外图像识别 YOLOv7 CoordConv 注意力机制 WIoU 

摘      要：变电站电气设备红外图像识别是其进行缺陷与故障诊断的重要前提,能保障电力系统的安全稳定运行。为达到变电站设备高精准、高效率的识别效果,本文提出了一种基于改进YOLOv7网络的变电站设备红外图像识别方法。变电站采集到的红外图像作为YOLOv7网络的输入,在红外图像的识别中,采用CoordConv卷积层增加图像坐标信息,增强网络层的信息细节,丰富图像特征内容;引入注意力机制排除其他信息干扰,增强模型的特征表达能力,提高网络训练精度;为进一步提高识别精度,不同于传统损失函数的构建,采用WIoU损失函数加速网络收敛,提高模型的准确性。通过对变电站采集的实际红外图像进行分析,实验结果表明,所提出的基于改进YOLOv7网络的变电站设备红外图像识别模型识别精度能达到97.1%。相较于YOLOv7网络和其他几种典型网络,所提模型具有较高的准确性和鲁棒性,可以有效应用于变电站设备的智能监测和维护,为后续故障诊断工作提供基础条件。