一种图像识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种图像识别方法、装置、电子设备及存储介质。该方法包括：获取变电设备的红外图像，并加载变电设备识别模型；将变电设备的红外图像输入至变电设备识别模型进行检测，得到预测边界框；其中，变电设备识别模型包括轻量级主干网络，轻量级主干网络包括嵌入了特征强化模块的MBConv模块，特征强化模块是基于坐标注意力机制建立的，用于同时获取红外图像的通道维度信息和空间维度信息，并且学习自适应的通道权重，强化在通道信息与空间信息的特征表达能力。本发明专利技术使用轻量级的主干网络，减少网络参数量，在轻量级主干网络中融入特征强化模块，提高捕捉与特定场景变电设备相关的通道空间信息的能力，提高变电设备识别模型的识别效率和准确性。

【技术实现步骤摘要】

本专利技术涉及图像识别领域，尤其涉及一种图像识别方法、装置、电子设备及存储介质。

技术介绍

1、随着我国电力系统对智能化、自动化和安全性要求的不断提高，人工智能巡检方法正逐步替代传统的人工巡检方法。采用人工智能技术进行电力设备的大规模巡检对于识别关键设备、监测设备状态和诊断故障至关重要。该技术能够有效提高巡检效率和准确性，同时降低安全风险和事故发生率，增强电力系统的稳定性和可靠性。

2、目前，基于红外图像的电力设备检测方法主要包括传统图像处理方法和深度学习方法，两类目标检测方法已在电力巡检中得到广泛应用。传统图像处理方法依赖于人工设计并提取图像特征，在实际工况中不能满足高效智能的电力设备巡检与实时检测要求。随着变电站逐渐步进入智能巡检的大数据时代，巡检设备采集到的图像不仅数量庞大，而且种类繁多。传统的识别方法难以满足大数据时代的需求。在这种背景下，依托计算机视觉检测技术，从海量的图像数据中实现电力设备智能识别成为一项必要的研究。近年来，深度学习在目标检测与故障识别中的应用越来越广泛。基于深度学习技术的电力设备检测方法，在特征提取和抗干扰方面具有本文档来自技高网...

【技术保护点】

1.一种图像识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述预设堆叠方式的确定方法，包括：

3.根据权利要求2所述的方法，其特征在于，所述预设堆叠方式的确定方法，还包括：

4.根据权利要求1所述的方法，其特征在于，所述MBConv模块包括依次连接的1×1升维卷积、3×3深度可分离卷积、所述特征强化模块、1×1降维卷积和第一融合模块；所述第一特征融合模块用于对所述MBConv模块的输入和所述1×1降维卷积的输出进行融合。

5.根据权利要求1或4所述的方法，其特征在于，所述特征强化模块包括两个不同方向的池化核、卷积模...

【技术特征摘要】

1.一种图像识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述预设堆叠方式的确定方法，包括：

3.根据权利要求2所述的方法，其特征在于，所述预设堆叠方式的确定方法，还包括：

4.根据权利要求1所述的方法，其特征在于，所述mbconv模块包括依次连接的1×1升维卷积、3×3深度可分离卷积、所述特征强化模块、1×1降维卷积和第一融合模块；所述第一特征融合模块用于对所述mbconv模块的输入和所述1×1降维卷积的输出进行融合。

5.根据权利要求1或4所述的方法，其特征在于，所述特征强化模块包括两个不同方向的池化核、卷积模块和权重更新模块；所述两个不同方向的池化核包括水平方向的池化核和垂直方向的池化核...

【专利技术属性】
技术研发人员：杨辉，丁宇，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：