基于YOLOv5s和Android部署的电气设备识别

摘要：

针对变电站多种电气设备实时检测的需求,提出了 一种基于改进YOLOv5s的电气设备识别方法,并设计基于Android部署的电气设备识别APP,以便对电气设备进行识别与学习.以电力变压器、绝缘子串等6种常见变电站电气设备为例构建图像数据集.数据集进行图像预处理后对YOLOv5s算法进行改进.通过引入C2f模块提高小目标检测精度,采用Soft-NMS提高检测框筛选能力,减少漏检和误检的情况,使用改进后的算法对数据集进行模型训练.将训练好的识别网络模型通过TensorFlow Lite框架进行模型部署,设计电气设备识别APP.经验证,改进后的变电站电气设备识别网络模型mAP稳定在91.6％,与原模型相比提高了 3.3百分点.部署后的APP具有设备识别和设备介绍等界面,使用移动端进行识别时每张图片识别时间都小于1 s,具有较快的识别速度和较高的识别精度,可以高效地实现变电站电气设备的实时检测与设备学习.

关键词：电气设备、改进YOLOv5s、Android、TensorFlow Lite、图像识别

所属期刊栏目：45

分类号：TP391.4(计算技术、计算机技术)

资助基金：河南省自然科学基金资助项目;河南省科技攻关计划项目

在线出版日期：2024-02-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：122-128