典型文献
面向电力开关柜的轻量型GB-YOLOv5m状态检测方法
文献摘要：
电力开关柜状态灯及仪表具有布局高密、异位同像的特点,从而对边端图像处理技术中的目标形貌、色度对比等基础特征检测能力以及轻量识别能力提出更高要求,为此该文提出一种Ghost-BiFPN-YOLOv5m(GB-YOLOv5m)方法.采用加权双向特征金字塔(BiFPN)结构,赋予特征层不同权重以传递更多有效特征信息;增加一个检测层尺度,提升网络对于小目标的检测精度,解决状态灯高密布局引起的小目标识别难问题;利用Ghost-Bottleneck结构替换原主干网络的Bottleneck复杂结构,实现模型的轻量化,为在边端部署模型提供有利条件;通过图像增强技术对有限样本进行状态灯和仪表传递特征的扩充,并通过迁移学习实现算法高速收敛.经10 kV开关柜实测,结果表明该算法对柜体状态灯及仪表共16类目标识别准确率高,均值平均精度(mAP)达97.3％,fps为37.533帧;相较于YOLOv5m算法,在模型大小缩小了37.04％的基础上,mAP提升了10.2％,说明所提方法对灯体与表体的检测能力大幅提升,且轻量识别效率提升明显,对于开关柜电力状态的实时核验与数字孪生信息交互,具有一定的现实意义.
文献关键词：
小目标检测;轻量化;YOLOv5;仪表及状态灯检测
中图分类号：
作者姓名：
崔昊杨;杨可欣;葛海华;许永鹏;王浩然;杨程;戴莹莹
作者机构：
上海电力大学电子与信息工程学院 上海 200090;国网上海市电力公司闸北发电厂 上海 200438;上海交通大学电子信息与电气工程学院 上海 200241
文献出处：
引用格式：
[1]崔昊杨;杨可欣;葛海华;许永鹏;王浩然;杨程;戴莹莹-.面向电力开关柜的轻量型GB-YOLOv5m状态检测方法)[J].电子与信息学报,2022(11):3777-3787
A类：
仪表及状态灯检测
B类：
电力开关柜,轻量型,YOLOv5m,状态检测,异位,图像处理技术,色度,特征检测,检测能力,识别能力,Ghost,BiFPN,加权双向特征金字塔,不同权重,有效特征,特征信息,个检,检测层,检测精度,密布,小目标识别,Bottleneck,原主,主干网络,复杂结构,端部,有利条件,图像增强技术,有限样本,迁移学习,kV,柜体,类目,识别准确率,均值平均精度,mAP,fps,灯体,核验,数字孪生,生信,信息交互,小目标检测
AB值：
0.41399
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。
