基于轻量化YOLO模型的电力机房设备状态快速检测

作者：陈鹏; 刘攀; 郑逐隧; 李本航

来源：制造业自动化, 2023, 45(05): 30-35.

• 电力机房
• 状态检测
• 目标识别
• 轻量化网络

随着电力技术的发展，电力机房内的设备变得越来越庞大、复杂，而为了确保电力系统的正常运转，避免不必要的经济损失，这些设备又往往需要连续检测，实时排除故障或异常。然而利用人工检测设备运行状态的方式不仅效率低下，费时费力，还容易出现误检和漏检。为此，提出了基于轻量化YOLO模型的设备状态快速检测方法。YOLO模型是深度学习领域中进行目标检测的一阶段方法，该类方法能够直接对网络进行端到端训练，不需要提取候选区域，结构简单，检测速度块。在YOLO模型的基础上，进一步从网络的深度和宽度两方面对YOLO模型进行轻量化处理，通过减少网络中CSP结构的残差模块和卷积操作达到网络轻量化的目的。实验结果表明，对于320×320大小的图像，所提的轻量化网络模型在一台显存仅2GB的消费级笔记本上的检测速度可达70.8fps，并且mAP值可以达到96.67%，能够满足电力机房内设备工作状态的实时检测与识别要求，为该模型在机房巡检机器人上部署奠定了良好的基础。

• 单位
  河北工业大学