基于自注意力机制的多尺度电力机房二次设备巡检算法

作者：商敬安; 韩磊^*; 吴彬; 郭凌旭; 马世乾

来源：计算机应用, 2022, S1: 366-370.

• 故障检测
• 二次设备
• 深度学习
• YOLOv3
• 注意力机制
• 电力机房

电力机房二次设备是对电力系统内一次设备进行保护的辅助设备，这些设备由于需要长期工作，且数量密集，容易发生事故。然而通常采用的人工巡检方法效率不高且容易出现误检、漏检。为了避免上述问题，提出了一种基于自注意力机制的多尺度电力机房二次设备巡检算法。首先，利用YOLOv3网络模型对图像目标作多尺度检测，由于YOLOv3网络模型是一种利用图像全局信息进行预测的一阶段模型，因此检测速度快、检测精度高。同时，利用自注意力机制在图像中获取需要关注的重点区域，增强这些区域中细节信息、抑制无用信息，从而达到增强小目标显著程度的目的。实验结果表明，所提算法在图像分辨率为320×320时，检测速度能够达到25 frame/s，均值平均精度（mAP）指标能够达到98.7%。所提算法具有较高的检测精度与较好的实时性。

• 单位
  国网天津市电力公司电力科学研究院