一种变电站智能识别系统中无负样小目标检测方法

    公开(公告)号:CN116823750A

    公开(公告)日:2023-09-29

    申请号:CN202310709566.0

    申请日:2023-06-15

    Abstract: 本发明涉及一种变电站智能识别系统中无负样小目标检测方法,属于计算机视觉技术领域,通过变电站配电室的室内监控设备采集小型动物入侵以及漏雨积水图像,并对图像进行清洗、筛选以及使用LabelImg进行标注,构建初始训练数据集;对初始训练数据集进行预处理,使用Real‑ESRGAN处理图像分辨率、使用YOLOv7处理所述图像,并识别出图像中的物体,构建最终训练数据集;构建基于YOLOv7的改进网络,得到改进的YOLOv7模型;基于构建好的数据集训练改进的YOLOv7模型,使用训练好的权重和测试集进行测试。在变电站智能识别系统中大大提升了小目标检测的准确率,降低了数据中无负样本对于误检率的影响。

    基于PPYoloe的配电设备目标检测方法

    公开(公告)号:CN116563226A

    公开(公告)日:2023-08-08

    申请号:CN202310421560.3

    申请日:2023-04-19

    Abstract: 本发明公开了一种基于PPYoloe的配电设备目标检测方法,属于计算机视觉技术领域。所述方法包括:采集图像样本,并对所述图像样本进行标注处理;对所述图像样本进行数据增强处理;建立目标检测模型,并通过所述图像样本训练所述目标检测模型;使用所述目标检测模型计算得到端对端结果,并根据所述业务逻辑对所述端对端结果进行后处理。本方法在目标检测算法模型上使用CSPResNet网络、ESE注意力机制、CSPPAN网络和CA注意力机制的组合方式,提升了模型的平均精度,并在配电线路实际工程环境下达到更佳的泛化性和鲁棒性;还通过数据标注、数据增强以及后处理,解决了图像逻辑模糊、样本质量低、样本集场景相似的问题。

Patent Agency Ranking