基于窗口自注意力网络与YOLOv5融合的输电线路通道异物检测

作者：薛昂; 姜恩宇^*; 张文涛; 林顺富; 米阳

来源：上海交通大学学报, 2023, 1-22.

DOI：10.16183/j.cnki.jsjtu.2023.301

• 智能化巡检
• 输电线路通道
• 目标检测
• 窗口自注意力网络
• 自适应空间特征融合

针对输电线路通道异物检测背景复杂以及小目标情况下检测效果不佳等问题，提出一种基于窗口自注意力网络与YOLOv5融合的输电线路通道安全检测算法。首先，选用窗口自注意力网络（Swin Transformer，S-T）优化主干网络，扩大模型感受视野，增强提取有效信息的能力。其次，改进自适应空间特征融合模块（Adaptively Spatial Feature Fusion， ASFF），增强多尺度特征融合能力。最后，考虑到真实框与预测框不匹配的问题，引入结构相似性交并比（Structural Similarity Intersection over Union，SIOU），优化边界误差，提高小目标定位准确性。实验表明，本文模型对线路通道多目标入侵检测精度达到90.2%，且提升了小目标检测效果，可以更好地满足输电线路通道中的异物检测需求。

• 单位
  上海电力大学