融合多尺度卷积注意力机制的绝缘子表面藻类污秽语义分割和识别算法研究

藻类是一种特殊生物污秽,其在电气设备绝缘子表面附着会使绝缘子耐污闪能力大幅下降,给电网安全稳定运行带来威胁。本文提出了一种融合多尺度卷积注意力机制的绝缘藻类语义分割算法。首先在基础U-Net网络模型上构建了一种用于绝缘藻类等级语义分割的模型,并采用VGG16作为主干特征提取网络。模型采用U型结构,左侧为VGG16及主干特征提取部分,能够有效提取5个特征层信息;右侧为加强特征提取部分。注意力模块选取CBAM模块,并在其基础上引入多尺度卷积;随后在U-Net网络的编码器和解码器进行上采样与下采样之前均加入CBAM卷积注意力模块。最后将本文模型在自行构建的藻类覆盖绝缘子图像数据集上与Deeplabv3+与Transfuse网络进行对比。结果表明:相比于基础U-Net模型,本文模型mIoU值提高了0.28,mPA值提高了0.27,Dice系数提高了0.06,豪斯多夫距离降低了11.77,RVE值降低了0.06。分割过程可视化结果展示了本文模型能更好地关注藻类覆盖区域,且对藻类覆盖区域边界的定位更准确,有效减小了分割误差。