为了在变电站实际场景中准确获取数字仪表读数,智能管控变电站的安全风险,同时推动变电站智能化发展,以实际场景中变电站数字仪表作为研究对象,综合考虑实时性及准确度等,提出一种基于轻量级YOLOv4模型的变电站数字仪表检测识别方法.首先,通过从鄂尔多斯变电站实际拍摄变电站数字仪表图像数据,使用Albumentations框架对数字仪表图像进行数据扩充,构建变电站数字仪表目标检测数据集;然后,以YOLO-v4网络为基础,结合注意力机制构建一个有效通道注意(efficient channel attention,ECA)改进的深度可分离卷积模块(ECA-bneck-m);最后,提出一个轻量级YOLO-v4模型,进行模型大小与性能的对比实验.实验结果表明:本文方法可以在几乎不损失检测准确度的情况下,将整个模型存储大小压缩为原先的1/5,同时将模型推理速度从24.0帧/s提升至36.9帧/s,其实时性能够满足实际变电站检测识别的工程需要.
华泽玺;施会斌;罗彦;张子原;李威龙;唐永川;
西南交通大学信息科学与技术学院,四川成都611756成都铁路局集团公司成都动车段,四川成都610051西南交通大学电气工程学院,四川成都611756 强华时代(成都)科技有限公司,成都610000重庆大学大数据与软件学院,重庆401331
计算机与自动化
数字仪表;检测识别;YOLO-v4;数据增强;轻量化
《西南交通大学学报》 2024 (001)
P.70-80 / 11
国家重点研发计划(2020YFB1711902)。
10.3969/j.issn.0258-2724.20210544
评论