基于注意力机制学习的变电设备缺陷检测方法

作者：伍艺佳; 华雄; 王丽蓉; 陈红波

来源：计算机与现代化, 2021, (02): 7-17.

• 注意力机制
• 变电设备
• 缺陷图像
• 卷积神经网络

针对现有的变电站缺陷图像检测识别算法鲁棒性弱问题,提出一种基于注意力机制学习的变电设备缺陷图像检测识别方法。所提方法以卷积神经网络作为缺陷图像特征提取的骨架网络,融合注意力机制原理,进一步提升缺陷图像特征的可辨识性。首先,构建注意力机制的卷积神经网络特征提取模型,提取不同注意力机制下变电站缺陷图像特征;其次,设计一种自适应特征学习函数,将不同注意力机制下的特征融合成为新的高质量变电缺陷图像特征;最后,将不同注意力机制下的缺陷图像特征输入到分类模型,实现变电站缺陷图像检测。所提方法增强了变电设备缺陷图像检测的准确性与鲁棒性,实验结果显示,所提方法的m AP达到了70. 4%。

• 单位
  国网湖南省电力有限公司检修公司; 中国科学院合肥物质科学研究院; 安徽南瑞继远电网技术有限公司