典型文献
融入注意力的YOLOv3绝缘子串识别方法
文献摘要：
绝缘子串是输电线路系统中至关重要的器件之一,基于图像处理的绝缘子串识别,能够更快更准确地识别到绝缘子串.针对输电线路中绝缘子串与绝缘子串、绝缘子串与背景之间相互干扰导致目标识别时存在误差较大的问题,提出一种融入注意力机制的YOLOv3绝缘子串识别方法.该方法在YOLOv3模型的基础上,首先在特征提取网络Darknet-53中加入无参注意力SimAM,聚焦网络和增强有效特征,抑制干扰特征,提高网络对绝缘子串的注意能力;其次根据绝缘子串的形状特征,调整模型预设Anchor box的值;最后以焦点损失(Focal loss)作为置信度和分类损失的损失函数,解决了正负样本分布不均衡的问题.实验结果表明,该方法解决了绝缘子串与绝缘子串、绝缘子串与背景之间相互干扰导致识别不准确的问题,识别精度达到了97.89％,模型具有较好的识别性能.
文献关键词：
YOLOv3;注意力机制;绝缘子串识别;深度学习
中图分类号：
作者姓名：
李季;刘乐;牛雨潇;李来鸿;彭晏飞
作者机构：
辽宁工程技术大学电气与控制工程学院,辽宁葫芦岛 125105;中国石化集团胜利石油管理局有限公司电力分公司,山东东营 257200;辽宁工程技术大学电子与信息工程学院,辽宁葫芦岛 125105
文献出处：
引用格式：
[1]李季;刘乐;牛雨潇;李来鸿;彭晏飞-.融入注意力的YOLOv3绝缘子串识别方法)[J].高压电器,2022(11):67-74
A类：
绝缘子串识别
B类：
YOLOv3,输电线路,相互干扰,目标识别,注意力机制,特征提取网络,Darknet,SimAM,有效特征,制干,干扰特征,注意能力,形状特征,Anchor,box,焦点损失,Focal,loss,置信度,损失函数,正负样本,样本分布,识别精度,识别性
AB值：
0.204314
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
