改进YOLOv7的输电线路融冰刀闸状态识别方法

隔离刀闸状态的自动识别是冰期输电线路智能融冰倒闸操作中的关键环节。针对恶劣天气条件下,传统图像识别方法在识别融冰刀闸时精度较低的问题,提出了一种基于改进YOLOv7的融冰刀闸状态识别方法。在YOLOv7网络中引入自注意力机制(self-attention,S-A)模块,以增强网络在低对比度图像中的全局特征提取能力。同时对网络中的SPPCSPC模块进行改进,引入空洞空间金字塔池化技术(atrous spatial pyramid pooling,ASPP),提高对搭接刀闸等此类大目标的识别能力。根据搭接刀闸的特殊结构、大小和位置,在损失函数中添加约束项,增强对刀闸识别的针对性。最后,设计了一个M-MBO加速网络,利用多分支架构在推理时简化模型,提高模型识别速度。实验结果表明,在保证识别速度的同时,改进的YOLOv7模型mAP值可达97.9%,相比改进前的方法平均精度均值提高了2.5个百分点,验证了该方法的有效性。