❖ 第一作者: Bin Li, The Key Laboratory of Smart Grid of Ministry of Education, Tianjin University, China
❖ 通讯作者: Yalin Li, The Key Laboratory of Smart Grid of Ministry of Education, Tianjin University, China
Xinshan Zhu, The Key Laboratory of Smart Grid of Ministry of Education, Tianjin University, China
❖ 作者邮箱: yalinli@tju.edu.cn, xszhu@tju.edu.cn
摘要
在现代能源系统中，变电站是输配电的核心。然而，相似的外观和小尺寸对电气设备的自动识别提出了重大挑战。为了解决这些问题，我们收集并标注变电站旋转设备数据集（SRDD）。在此基础上，基于脊椎-颈部-头部的经典结构模式，构建了特征融合与特征求精网络（F3RNet）。考虑到电气设备外形的相似性，设计了反卷积融合模块（DFM），增强了特征信息的表达。通过嵌入平衡特征金字塔（BFP）来聚合全局特征。通过考虑锚点和设备之间的特征对齐，构造特征精化以调整原始特征图，可以生成更精确的特征向量。为了解决电子器件间样本不平衡的问题，利用梯度协调机制（GHM）损耗调整每个样本的权重。消融实验在SRDD数据集上进行。与经典的目标检测网络相比，F3RNet具有最好的检测性能。同时，验证了基于全局特征图的特征能够有效地识别相似和小型设备。
详情可点击下方“阅读原文”
