申请/专利权人：中国南方电网有限责任公司超高压输电公司贵阳局

申请日：2023-11-30

公开（公告）日：2024-04-12

公开（公告）号：CN117876737A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/80;G06N3/0464;G06N3/048;G06N3/084;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于改进YOLOv8的变电站呼吸器变色检测方法，该方法引入BiFPN思想改进YOLOv8的颈部网络，使用更高效的多尺度特征融合方式获得更具表示能力的多尺度特征。同时，该方法还融入CBAM注意力模块，增强模型对呼吸器及其缺陷相关的关键特征提取能力，克服变电站复杂环境对呼吸器变色检测的干扰问题。本发明将YOLOv8算法应用于变电站呼吸器变色检测，在满足边缘端部署和实时检测的同时，可以有效改善了呼吸器变色检测的精度。

主权项：1.基于改进YOLOv8的变电站呼吸器变色检测方法，其特征在于，该方法包括以下步骤：S1，基于变电站呼吸器图像构建呼吸器变色检测数据集，包含不同类型的呼吸器及其变色缺陷图像；S2，选取高性能单阶段目标检测模型YOLOv8为基线模型，以满足低计算成本和低参数量的边缘端部署需求；S3，对较少的呼吸器及其变色缺陷类型采用“裁剪+生成”的增强方法，得到分布更均匀的“真实+虚拟”数据集，用于改进YOLOv8网络的训练；S4，通过引入BiFPN结构代替原有的PANet作为模型颈部网络，实现更高效的多水平特征融合；S5，在颈部网络输出端使用CBAM注意力模块改进基线模型对呼吸器关键特征的学习和提取能力；S6，采用随机梯度下降法训练模型，通过边框回归、目标分类两个预测分支得到呼吸器变色检测结果；其中，所述通过引入BiFPN结构代替原有的PANet作为模型颈部网络，实现更高效的多水平特征融合，具体包括：首先，在主干网络输出的三种尺度特征基础上，通过构建双向路径和跳跃连接实现双向跨尺度连接，在多尺度融合中实现引入更丰富的信息；其次，根据不同输入特征的重要性对不同特征设置不同的权重，并将权重缩放至0，1区间内，实现对多尺度特征的加权融合，融合的公式为： 式中，Input表示输入特征，Output表示特征融合输出，wi和wj分别为第i和第j个输入特征的权重，ε为0.0001；最后，将得到的三种不同尺度的融合特征作为多尺度融合输出。

全文数据：

权利要求：

百度查询： 中国南方电网有限责任公司超高压输电公司贵阳局 基于改进YOLOv8的变电站呼吸器变色检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD