科研之友
微信
新浪微博
Facebook
分享链接
摘要
在雾霾天气下，巡检机器人检测变电站电力设备存在能见度低、目标不清晰等情况，而且常用的目标检测算法参数量过大，部署在巡检机器人上难以达到实时性的要求。为此，提出了一种结合Cycle-Dehaze去雾算法的轻量级变电站电力设备识别方法。对采集到的变电站带雾图进行去雾预处理，提高目标电力设备的清晰度和可见性；在YOLOv4网络中引入MobileNetv3和深度可分离卷积，实现模型轻量化；在目标检测网络中嵌入SE注意力机制，提高电力设备识别精度。实验结果表明，Cycle-Dehaze与改进YOLOv4相结合的识别mAP可达92.5%,改进的YOLOv4比YOLOv4算法检测速度快15.59帧/秒，模型参数量减少了80.21%,更有利于在变电站巡检机器人上部署。
- 单位
