文档名：基于改进YOLOv5的电力设备轻量化检测算法
摘要：提出一种轻量化红外目标检测算法MEGI-YOLOv5.该算法基于YOLOv5模型,首先将主干网络替换为轻量化Mobilenet-v3网络,并将颈部网络中的部分CBL结构块替换为倒残差结构的深度可分离卷积、C3模块由普通卷积和GhostConv组合代替,降低模型的参数和计算量;其次在颈部网络中嵌入ECA(EfficientChannelAttention)模块,提高模型通道间信息的注意力,从而提升模型特征提取能力.实验结果表明,该模型相较于YOLOv5模型,参数量减少22%,检测速度提升37%,模型检测精度达到96.42%,能满足变电站设备类别及发热点识别的准确性和实时性要求,为后续能够及时发现变电站设备故障提供保障.
Abstract：AlightweightinfraredtargetdetectionalgorithmMEGI-YOLOv5wasproposed.ThealgorithmwasbasedontheYOLOv5model.Firstly,thebackbonenetworkwasreplacedwiththelightweightMobilenet-v3network,andpartoftheCBLstructureinthenecknetworkwasreplacedwiththedeepseparableconvolutionofthereciprocalresidualstructure.TheC3modulewasreplacedbythecombinationofordinaryconvolutionandGhostConvtoreducethemodelparametersandcalcu-lationamount.Secondly,theEfficientChannelAttention(ECA)modulewasembeddedinthenecknetworktoimprovethemodel'sattentiontothechannel,soastoimprovethemodel'sfeatureextrac-tionability.TheexperimentalresultsshowedthatcomparedwiththeYOLOv5model,thenumberofparametersofthemodelwasreducedby22%,thedetectionspeedwasincreasedby37%,andthede-tectionaccuracyofthemodelcouldreach96.42%,whichcouldmeettheaccuracyandreal-timere-quirementsoftheidentificationofsubstationequipmentcategoriesandhotspots,andprovidecondi-tionsforthesubsequenttimelydetectionofsubstationequipmentfaults.
作者：李旭卿 李光亚 张志艺 王子一Author：LIXuqing LIGuangya ZHANGZhiyi WANGZiyi
作者单位：中北大学信息与通信工程学院,太原030051
刊名：光电子技术
Journal：OptoelectronicTechnology
年，卷(期)：2024, 44(1)
分类号：TN21TP391.41
关键词：目标检测 轻量化 倒残差结构
Keywords：targetdetection lightweight invertedresidualstructure
机标分类号：TP391TM769TP277
在线出版日期：2024年4月7日
基金项目：国家重点研发计划基于改进YOLOv5的电力设备轻量化检测算法[
期刊论文] 光电子技术--2024, 44(1)李旭卿 李光亚 张志艺 王子一提出一种轻量化红外目标检测算法MEGI-YOLOv5.该算法基于YOLOv5模型,首先将主干网络替换为轻量化Mobilenet-v3网络,并将颈部网络中的部分CBL结构块替换为倒残差结构的深度可分离卷积、C3模块由普通卷积和GhostConv组合代...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进YOLOv5的电力设备轻量化检测算法 Lightweight Detection Algorithm of Power Equipment Based on Improved YOLOv5
基于改进YOLOv5的电力设备轻量化检测算法.pdf
- 文件大小:
- 3.13 MB
- 下载次数:
- 60
-
高速下载
|
