视听觉协同的电网目标检测网络

随着电网规模的不断扩大和日益复杂,发展智能运维技术是提升运维效率的必由之路。为实现变电站目标的主动感知,基于小样本学习框架提出一种视听觉协同的目标检测网络(visual and auditory fusion detection network, VAFDNet),利用小样本量级数据融合视听觉信息,实现低数据集成本的模型扩展。VAFDNet由作为基础网络的Faster R-CNN和声云信息引导模块构成。声云信息引导模块包括声学特征引导分支和全局特征引导分支,并通过引入声云信息引导机制实现视听觉特征的融合与增强。VAFDNet的训练利用2阶段训练微调方法,提升了网络的泛化性能,可以有效应对变电站目标视听觉协同样本稀缺的问题。在含有3类目标的视听觉协同样本集上进行测试,VAFDNet整体识别精度达到52.623%,各类视听觉协同目标的检测精度均有大幅提升,对数据量极小的主变压器、套管的识别效果也得到明显改善。