融入注意力的YOLOv3绝缘子串识别方法

• 作者: 李季 刘乐 牛雨潇 李来鸿 彭晏飞
• 来源期刊: 高压电器
• 关键词: YOLOv3 注意力机制 绝缘子串识别 深度学习
• 年，卷（期）: 2022,（11）
• 所属期刊栏目: 基于声光学特征对电气设备进行性能评估
• 页码范围: 67-74
• 页数: 7页
• 语种: 中文
• DOI: 10.13296/j.1001⁃1609.hva.2022.11.009

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。