基于YOLOv5s的海上风电设施检测与预警评估

摘要：

海上风电设施检测在海上风电安全监测领域发挥着重要作用.由于海上环境复杂及海上目标的多样性,现有海上目标检测算法存在网络复杂、检测精度低的问题,难以满足实时性检测和实用性部署要求.针对该问题,该文提出了一种改进YOLOv5s的海上风电设施检测算法.首先,将YOLOv5s的主干网络替换为轻量化GhostNet进行特征提取,降低网络模型的参数量和计算量;其次,在主干网络末端和Neck层分别施加注意力机制(SENet),自适应学习重要通道特征权重,提高检测精度;最后,将Neck层的PANet结构改进为双向金字塔(BiFPN),通过融合不同尺度特征提升检测速度.实验结果表明,该算法在降低网络模型参数量和计算量的同时,在船舶数据集上平均精度达到了96.8％,比原始YOLOv5s网络提升了2.6 百分点,检测速度达到了47 FPS.

关键词：机器视觉、风电设施检测、船舶检测、YOLOv5s、轻量化、注意力机制、双向金字塔

所属期刊栏目：33

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省重点研发计划;中国华能集团有限公司科技项目

在线出版日期：2023-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：182-189