基于注意力机制学习的变电设备缺陷检测方法

• 作者: 伍艺佳 华雄 王丽蓉 陈红波
• 来源期刊: 计算机与现代化
• 关键词: 注意力机制 变电设备 缺陷图像 卷积神经网络
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 图像处理|IMAGE PROCESSING
• 页码范围: 7-12,17
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2021.02.002

摘要

针对现有的变电站缺陷图像检测识别算法鲁棒性弱问题,提出一种基于注意力机制学习的变电设备缺陷图像检测识别方法.所提方法以卷积神经网络作为缺陷图像特征提取的骨架网络,融合注意力机制原理,进一步提升缺陷图像特征的可辨识性.首先,构建注意力机制的卷积神经网络特征提取模型,提取不同注意力机制下变电站缺陷图像特征;其次,设计一种自适应特征学习函数,将不同注意力机制下的特征融合成为新的高质量变电缺陷图像特征;最后,将不同注意力机制下的缺陷图像特征输入到分类模型,实现变电站缺陷图像检测.所提方法增强了变电设备缺陷图像检测的准确性与鲁棒性,实验结果显示,所提方法的mAP达到了70.4％.