摘要
我国电网规模的不断扩大对输电线路的安全性、可靠性提出了挑战。对输电通道及周边进行烟雾检测可以有效识别潜在的风险,保证供电的安全可靠。如何在复杂多变的天气环境和特定场景中对烟雾特征进行提取,是目前烟雾检测领域的主要挑战。此外,提高烟雾检测的时效性实现及时预警以避免损失也是一大难题。针对上述问题,提出了一个可以在边缘计算设备上实现实时检测的轻量化烟雾检测模型(LSDet)。首先,构建了一个适合烟雾检测的精炼跨阶段局部ShuffleNetV2网络(CPLMNet),在减少参数的同时保持特征提取能力。其次,通过加入高效并行分组注意力模块(PGAM),融合了通道和空间维度上的特征。最后,设计了一个低层特征引导的融合模块(LFFM),将分辨率更高、保留细节信息更多的低层特征进行引导融合,从而提高烟雾检测精度。实验结果显示,LSDet模型可有效应用于复杂场景中烟雾的实时检测,其mAP仅用2.86 M的模型参数量便可达到74.2%。
作者
刘良帅
赵建利
刘成龙
赵劭康
董娜
LIU Liang-shuai;ZHAO Jian-li;LIU Cheng-long;ZHAO Shao-kang;DONG Na
出处
《制造业自动化》
2024年第8期129-135,共7页
Manufacturing Automation
基金
国网河北省电力有限公司科技项目资助(kj2022-024)。