基于注意力机制与特征平衡性的变电站多目标检测方法技术

基于注意力机制与特征平衡性的变电站多目标检测方法，包括：获取变电站设备的图像数据样本，利用数据标注软件提取图像数据样本中的目标信息，利用目标信息构建变电站多目标检测的数据集；基于darknet

【技术实现步骤摘要】
基于注意力机制与特征平衡性的变电站多目标检测方法


[0001]本专利技术属于电力巡检
，具体涉及基于注意力机制与特征平衡性的变电站多目标检测方法。

技术介绍

[0002]智能电网的高效运维对于提高电网可靠性和服务水平意义重大。近年来，电网规模扩大与运维人员相对紧张的矛盾日益突出，影响电网安全的风险因素将长期存在，传统运维模式难以适应电网快速发展的要求。目前变电站的巡检工作主要采用人工巡检的方式，经常出现“漏巡”、“延巡”、“不会巡”等巡视不到位现象，劳动强度大，并且检测质量严重依赖巡视人员素质，检测数据也无法准确及时地接入管理信息系统。在高压和一些恶劣天气条件下，人工巡检还存在很大的安全隐患。目前电网巡检急需智能化的技术，因此目标检测技术对于电网的智能巡检意义重大。面向变电站的目标检测技术，由于样本不足以及变电站场景复杂带来的设备图像复杂背景等因素导致变电站设备目标检测面临诸多困难。来源于变电站的图像具有如下特点：(1)变电站设备类型众多，且具有行业特殊性；(2)户外敞开式变电站中图像十分复杂，经常存在多个相同或相似的目标，如绝缘子、主变本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于注意力机制与特征平衡性的变电站多目标检测方法，其特征在于，所述方法包括：步骤1，获取变电站设备的图像数据样本，利用数据标注软件对每个图像数据样本记录目标信息，利用目标信息构建变电站多目标检测的数据集；步骤2，基于darknet
‑
53网络和注意力机制，建立变电站多目标检测网络，利用多目标检测网络，对各特征图依次进行特征平衡和特征融合后得到融合特征图，再对融合特征图进行多分支检测，得到变电站多目标检测结果；步骤3，使用变电站多目标检测的数据集，基于迁移学习的方法，对变电站多目标检测网络进行迭代训练；步骤4，以训练好的多目标检测网络，对变电站设备进行检测。2.根据权利要求1所述的基于注意力机制与特征平衡性的变电站多目标检测方法，其特征在于，步骤1中，在不同光照、时间、天气条件下，采集变电站设备的图像数据样本；采集的数据样本包括：主变压器油枕，主变压器出线套管，主变压器散热装置，绝缘子串，互感器，均压环，隔离开关，铭牌，仪表盘；目标信息包括目标区域的类别和目标区域的位置。3.根据权利要求1或2所述的基于注意力机制与特征平衡性的变电站多目标检测方法，其特征在于，步骤2包括：步骤2.1，基于darknet
‑
53网络和注意力机制形成改进后的darknet
‑
53主干网络，由改进后的darknet
‑
53主干网络生成不同分辨率的特征图；步骤2.2，对各特征图依次进行特征平衡和特征融合后得到融合特征图；步骤2.3，对融合特征图进行检测，所得到的特征作为变电站多目标检测结果。4.根据权利要求3所述的基于注意力机制与特征平衡性的变电站多目标检测方法，其特征在于，步骤2.1包括：步骤2.1.1，通过串联多组卷积块形成一个残差单元；卷积块包括：卷积操作，批量归一化操作和激活函数操作；步骤2.1.2，串联不同数量的残差单元形成不同的残差块；步骤2.1.3，以第一残差块、第二残差块、第三残差块、第四残差块和第五残差块形成darknet
‑
53模块；步骤2.1.4，在darknet
‑
53模块基础上，在生成用于预测的特征图的残差块中加入混合注意力模块，形成改进后的darknet
‑
53主干网络；由改进后的darknet
‑
53主干网络生成不同分辨率的特征图。5.根据权利要求4所述的基于注意力机制与特征平衡性的变电站多目标检测方法，其特征在于，步骤2.1.4中，混合注意力模块加入到第三、第四和第五残差块中的下一次卷积之前，其中，第三、第四和第五残差块生成用于预测的特征图。6.根据权利要求4或5所述的基于注意力机制与特征平衡性的变电站多目标检测方法，
其特征在于，混合注意力模块包括串联连接的空间注意力子模块和通道注意力子模块；其中，通道注意力子模块同时使用了最大池化和平均池化进行通道权重的预处理，即将最大池化和平均池化后的权重结果进行相加，并将和进行...

【专利技术属性】
技术研发人员：朱新山，李亚霖，郭志民，李斌，王帅，曾筠婷，屈璐瑶，田杨阳，刘昊，赵健，毛万登，贺翔，张小斐，袁少光，耿俊成，魏小昭，陈岑，
申请(专利权)人：天津大学国家电网有限公司，
类型：发明
国别省市：