中国电力科学研究院有限公司 张天明,王金丽,李佳,等:基于YOLOv5s的配电台区施工多目标检测方法

学术   科技   2024-10-28 17:10   北京  

祝贺《电力信息与通信技术》

蝉联中国科技核心期刊 

引文信息


张天明,王金丽,李佳,等.基于YOLOv5s的配电台区施工多目标检测方法[J].电力信息与通信技术,202422(7)59-67

ZHANG Tianming,WANG Jinli,LI Jia,et al.Multi-object detection method of distribution platform construction based on YOLOv5s[J].Electric Power Information and Communication Technology,2024,22(7):59-67(in Chinese)



01

研究背景


配电台区建设工程繁多,施工人员作业标准化、规范化程度低,利用目标检测算法对施工过程管控,可有效保证工程质量。常用目标检测算法对设备存储与运算能力要求高,因此如何将算法轻量化部署到边端设备成为研究重点。为提升配电台区设备施工识别的检测精度,同时考虑模型轻量化的需求,本文提出基于YOLOv5s改进的配电台区施工多目标检测算法。


02

主要创新点


1)基于Res2Net网络的bottle2neck模块,改进得到细颗粒、多尺度特征提取的轻量化模块bottle2neck-Cat,融合到YOLOv5s模型,提高模型特征提取能力,使得模型在保证精度的同时,实现参数量与计算量大幅度下降。改进后的bottleneck模块如图1所示。
图1  bottle2neck与bottle2neck-Cat对比
2)对bottle2neck-Cat模块优化,得到精度更高的YOLOv5s-B4-Cat模型,如图2所示。本文共获得2种改进后的细颗粒、多尺度特征提取轻量化算法,2种算法侧重不同,方便用户根据实际场景选择。
图2  B4-Cat模块
3)使用某地区提供的配电台区建设数据,验证模型的优越性。结果表明,所提方法与现有算法相比,模型参数和计算量降低25%以上,总体平均精度指标超过81%(如表1所示),效果优于常用的深度可分离卷积轻量化方法,有利于提高配电台区施工智能化管控水平。
表1  目标检测精度

  

03
解决的问题和意义

本文为提高配电台区施工过程智能化管控水平,针对目标检测算法在实际应用中存在的识别目标特征差异大、多尺度特征识别难以及算法部署在边端设备的轻量化需求等问题,进行YOLOv5s算法的改进研究。所提轻量化改进算法脱离以往以深度可分离卷积为基础的改进方案,为模型轻量化与多尺度特征提取提供新思路。改进后的模型参数量、计算量较深度可分离卷积轻化方法效果基本相同,但模型精度比深度可分离卷积方法大幅提升。下一步的相关研究将进一步提高模型检测能力,寻找更好平衡目标检测轻量化与精确度的解决方案。




作者介绍

张天明

张天明(1999),男,硕士研究生,通信作者,从事配电网工程数字化建模、图像识别及优化管控技术研究工作,3203600951@qq.com。

王金丽(1972),女,硕士,高级工程师(教授级),从事配电网智能规划。

李佳(1995),女,硕士,工程师,从事配电信息化、数字化以及人工智能等方向研究工作,1115273450@qq.com。

段祥骏(1980),男,高级工程师,从事大数据、人工智能技术在配电网中的研究与应用工作。

冯德志(1987),男,硕士,高级工程师,从事计算机、配电网智能化运维管控等多个专业方向的项目研究工作。

杨乐(1996),硕士,从事配电网工程数字化建模、图像识别及优化管控技术研究工作。


电力信息与通信技术
发布期刊信息及论文
 最新文章