基于TA-YOLO的电力设备红外图像检测方法

为了更迅速准确地实现智能电力巡检,针对实际采集的电力设备红外图像有遮挡、分类不准确和特征提取不充分等问题,提出了一种基于TA-YOLO的新型电力设备红外图像检测方法。首先对采集的电力设备红外图像通过数据增强扩增,标注绝缘子、套管等7类电力设备制作标准数据集;其次,通过迁移学习的方法将经过可见光电力设备数据集预训练的卷积神经网络,应用于真实电力设备红外图像的学习中;然后针对有遮挡等问题修改损失函数为DIOU_NMS,接着将Triplet注意力机制嵌入到特征提取网络中,对关键特征信息进行加权强化;与原YOLOv5s相比,平均精确度提高了8.11%,提高了电力设备红外图像的检测精度和速度,也为电力设备红外图像智能检测提供了新颖可行的方案。