基于Attention-YOLOv3的锈蚀区域检测与识别

摘要：

电力设备的锈蚀检测作为危害电力系统安全运行的重要一环必须能被快速、准确地进行识别与检测并及时报警.为了提高电力设备锈蚀区域检测的时效性和可靠性,基于YOLOv3目标检测算法,结合注意力机制提出了一种改进的Attention-YOLOv3算法,可以实现对锈蚀区域的快速可靠识别.首先,利用深度可分离卷积对YOLOv3的特征提干网络进行轻量化处理来缩减模型的大小,提高检测速度.其次,为了弥补轻量化网络带来的精度损失,提高特征的提取能力,在上采样之后采用了空间注意力机制(spatial-attention)和通道注意力机制(channel-attention)结合的级联双注意力机制对特征进行融合筛选,剔除冗余的无效特征.实验表明,提出的锈蚀区域检测算法能有效地检测和识别出电力设备的锈蚀区域,相比较标准YOLOv3可以做到在检测时间缩短近46％的情况下提升9.06％的检测精度,在RustDetection数据集上可以达到91.75％的平均精度.

关键词：目标检测、锈蚀检测、注意力机制、特征提取网络、轻量级网络

所属期刊栏目：30

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;浙江省自然科学基金;浙江省重点研发计划项目

在线出版日期：2020-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：147-152