基于特征补充与重构的电网巡检作业风险识别技术研究

作者：孔晨华; 贺洲强; 陈钊; 杨康; 吴俭民

来源：电子设计工程, 2023, 31(17): 187-191.

DOI：10.14022/j.issn1674-6236.2023.17.039

• 特征识别
• YOLOv4
• 轻量化模型
• 目标检测
• 深度学习
• 电网巡检

针对电网巡检人员在野外不按规定正确佩戴安全帽，容易造成作业风险的问题，文中基于深度特征提取技术设计了一套安全帽自动识别算法。该算法以YOLOv4目标检测模型作为基础深度网络框架，通过对框架进行改进，实现了算法的轻量化与小型化。并将YOLOv4的CSPDarknet53主干特征识别网络替换为ShuffleNETv2网络，从而有效提升了算法运行速度。同时，为了解决轻量化导致的mAP下降问题，在YOLOv4的路径聚合层中加入了注意力机制，以提高mAP指标，且保证了算法性能。实验结果表明，在与对比算法准确率持平的情况下，改进算法在帧率上提高了近140%，算法所占体积也大幅下降，证明了其具有轻量化、小型化的特点。

• 单位
  国网甘肃省电力公司; 国网甘肃省电力公司兰州供电公司