基于SE-YOLOV4的变电站断路器分合状态识别算法

针对高压变电站断路器人工检测速度慢、误差大等问题,提出基于YOLOv4改进的变电站断路器分合状态识别方法;针对电力系统背景复杂、断路器分合状态不易识别的问题,加入通道注意力机制,关注目标的显著性特征,忽略非目标区域,然后使用路径聚合网络有效提取目标特征;针对数据样本单一性的问题,提出SE-YOLOv4算法,在其中加入数据增强技术,提高模型的泛化能力,使算法网络具有更强的鲁棒性。实验结果表明,该算法的精确率为97%,召回率为73.45%,F1为0.84,平均精确率为79.2%,相比原算法的平均精确率提高了2.6%,表明基于深度学习的检测方法可快速、高效地检测目标,避免人工检测出现的问题。