基于YOLOv8和改进UNet++变电站指针式仪表读数识别

针对变电站仪表背景复杂、多旋转角度图像导致读数识别准确率低的问题,提出一种基于YOLOv8和改进UNet++的指针式仪表读数识别方法.采用YOLOv8模型检测仪表区域,并利用透视变换进行旋转校正;采用极化自注意力模块改进的UNet++算法分割表盘图像提取刻度、指针区域;经过提取指针直线后,采用角度法计算仪表读数.实验结果表明:提出方法识别仪表读数的平均引用误差为1.82%,具有较高的识别准确性,将其应用于变电站指针式仪表智能化巡检中具有一定的可行性.

基于轻量化改进YOLOv8的绝缘子破损识别方法

针对电力线路绝缘子破损目标检测中图像背景复杂重叠、算法模型计算量大的问题,提出基于轻量化改进YOLOv8的绝缘子破损识别方法。在YOLOv8主干网络中引入高效多尺度注意力机制,采用轻量化卷积模块代替标准卷积模块,采用WIoU损失函数改进原有的损失函数。实验结果表明,基于轻量化改进的YOLOv8与原YOLOv8算法相比,绝缘子破损目标检测的平均精度提高4.35%,模型参数量下降了23.53%,表明该方法在算法精度和轻量化改进方面均有提高,为电力线路巡检在边缘端设备部署该算法提供了可能。