改进YOLOv7的电力设备红外图像多目标检测

• 全文链接
• 请求原文

作   者：

杨达伟;  杨明圣;  付博; 

作者机构：

广东电网有限责任公司; 

关键词：

注意力机制;  YOLOv7;  电力设备检测;  红外图像;  空洞卷积; 

期刊名称：

红外技术

i s s n：

1001-8891

年卷期：

2025 年 47 卷 003 期

页   码：

326-334

摘   要：

针对变电站红外图像中目标数量多、外观相似、背景与目标颜色相近时容易出现漏检误检等问题，提出了一种改进YOLOv7的电力设备红外图像多目标检测方法。首先，为了更好地保留红外图像中的浅层信息，在SPPCSPC模块中引入空洞卷积与均值池化以扩大感受野的同时防止红外小目标淹没在背景中；其次，针对多目标检测中的误检漏检等问题，在头部网络中引入了轻量型SimAM注意力机制以重点关注感兴趣区域。最后，选择一个更适用于小目标检测的NWDloss损失与CIOU损失相结合的混合边框回归损失函数，它可以有效提高红外图像中不同尺度目标检测的准确性。我们在自建电力设备红外图像数据集上与其他7种具有代表性的检测方法进行了对比实验。实验结果表明，改进后的YOLO v7网络模型漏检误检等情况得到明显改善，m AP达到88.9%，相比其他有代表性的目标检测算法在电力设备红外多目标检测上的效果有明显提升。