【技术实现步骤摘要】
一种基于窗口自注意力机制的变电站安全隐患检测方法
[0001]本专利技术属于计算机视觉目标检测
,具体涉及一种基于窗口自注意力机制的变电站安全隐患检测方法。
技术介绍
[0002]随着我国人口的不断增长、经济的快速发展、基础设施的日益完善,对供电总量的需求也在急速增加,输电网的总量逐渐扩大。由于电力行业作业过程中的特殊性与危险性,为了保证供电的稳定与效率,传统的人工巡检方式已经不能满足庞大的电网需求,从而逐步转向机器代替人力的巡检方式。
[0003]目前变电站安全隐患检测为机器巡检的一种实现,通过变电站的监测摄像头拍摄重点监测区域,回传有无故障或者违规行为,若有则发出警报,以此达到机器代替人力检测变电站的目的。如公开号为CN114299437A的专利公开了一种基于视觉感知技术的变电站违规攀爬行为检测预警方法,该方法使用基于YOLO(You Only Look Once)深度卷积神经网络和HSV色彩空间变化的静态目标检测算法实现变电站禁止攀爬标志检测。然而该方法使用的YOLO算法采用Darknet53网络为主干,属于传统的CNN网络架构,在学习能力上次于YOLOv4所使用的CSPDarknet53,重复计算梯度信息导致计算量大,训练与推理速度慢。其次该方法所采用的HSV色彩空间变换算法可能会使违规攀爬行为识别的一些重要信息难以识别,比如有无佩戴安全带(安全带的颜色通常比较鲜艳)等。
[0004]再如公开号为CN115294476A的专利提供了一种面向无人机电力巡检的边缘计算智能检测方法及设备,该方 ...
【技术保护点】
【技术特征摘要】
1.一种基于窗口自注意力机制的变电站安全隐患检测方法,其特征在于:包括以下步骤:S01、获取变电站安全隐患数据集;S02、数据增强算子进行预处理;S03、SwinTransformer主干网络提取特征;S04、坐标注意力机制为特征图赋权值;S05、特征金字塔融合不同尺度特征图信息;S06、PPYOLOEHead进行预测并回归损失值迭代模型;S07、将训练好的模型部署到边缘ARM机器;S08、摄像头拍摄实际变电站工作场景回传边缘计算机;S09、模型预测并输出监测结果。2.根据权利要求1所述的一种基于窗口自注意力机制的变电站安全隐患检测方法,其特征在于:所述步骤S02中,数据增强算子进行预处理具体为:在输入端对数据进行PP
‑
YOLOE原始结构中的RandomCrop、RandomFlip和ContrastEnhancement数据增强;其中:RandomCrop通过对原始图片进行大小、位置随机的裁剪产生新的图片用于训练;RandomFlip通过对原图进行水平或垂直翻转扩充训练集;ContrastEnhancement通过对图片在RGB空间下通过ImageEnhance类对图片的对比度参数contrast进行设置从而提高对比度。3.根据权利要求1所述的一种基于窗口自注意力机制的变电站安全隐患检测方法,其特征在于:所述步骤S03中,SwinTransformer主干网络提取特征的过程具体为:S31、将图片输入到块拆分模块中进行分块,然后在通道方向展平;S32、通过线性嵌入层对每个像素的通道数据做线性变换;S33、将经过尺度变换后的图像向量通过SwinTransformer模块进行特征提取;S34、经过SwinTransformer模块输出的特征图会再次经过三个相同的SwinTransformer模块得到最终的输出,并且在三个SwinTransformer模块前均设置有块融合层进行下采样。4.根据权利要求3所述的一种基于窗口自注意力机制的变电站安全隐患检测方法,其特征在于:所述步骤S33中,通过SwinTransformer模块进行特征提取的过程具体为:输入图像经过一个归一化层后进入规则窗口多头自注意力模块,输出的特征图与初始的输入进行残差连接进行线性叠加获得输出进行残差连接进行线性叠加获得输出经过一个归一化层后进入一个MLP模块,输出的特征图与再次进行残差连接得到再次进行残差连接得到经过一个归一化层后进入移位窗口多头自注意力模块,输出的特征图与进行残差连接得到连接得到经过归一化层与MLP模块后再与其自身进行残差连接得到最终的输出5.根据权利要求1所述的一种基于窗口自注意力机制的变电站安全隐患检测方法,其特征在于:所述步骤S04中,...
【专利技术属性】
技术研发人员:严体华,陈在新,张茜,汪晶,贺露莹,杨粟,
申请(专利权)人:西安电子科技大学广州研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。