一种用于电力设备红外图像的小目标检测方法及系统技术方案

本发明专利技术涉及一种用于电力设备红外图像的小目标检测方法及系统，该方法包括以下步骤：收集电力设备红外图像数据样本，并进行图像预处理，构造数据集；利用数据集对改进的YOLOv8‑EED模型进行训练，通过优化调整模型参数，得到目标检测模型；将当前的电力设备红外图像进行预处理后输入目标检测模型，输出得到对应的检测结果。其中，改进的YOLOv8‑EED模型通过增设小目标增强层，将浅层富含细节的大特征图与经上采样的深层语义特征图拼接融合，以构建特征提取结构，能够提升小目标细节表达能力，并采用可变形卷积的检测头，自适应捕捉复杂场景中小目标的细微特征。与现有技术相比，本发明专利技术能够实现对红外电力设备小目标的高效精准检测。

【技术实现步骤摘要】

本专利技术涉及计算机视觉和深度学习，尤其是涉及一种用于电力设备红外图像的小目标检测方法及系统。

技术介绍

1、随着电力系统的不断发展，输电设备数量日益增多，保障其平稳运行至关重要。电力设备常暴露于高空，且部分处于偏远地区，人工巡检困难重重。传统的人工巡检图像分析方式，不仅繁琐低效，还容易因人工疲劳和疏忽导致异常遗漏，成本高昂。

2、目前，利用无人机和红外热成像技术进行巡检逐渐成为电力巡检作业的一个重要模式，红外图像检测技术因具有非接触、快速等优点，被广泛应用于电力设备的监测与诊断中，无人机搭载的红外热成像设备，不仅能迅速扫描长距离线路，还能以非接触方式捕捉配电设备的热状态，从而及时发现潜在的故障、问题和异常，实现带电检测，这种创新巡检方式极大地提升了配电设备巡检的便捷性和效率。

3、尽管无人机结合红外热成像技术已成为电力巡检的重要手段，但在利用获取的红外图像进行电力设备检测时，仍面临诸多挑战，这主要是由于与普通目标的可见光图像相比，电力设备的红外图像存在背景复杂、对比度低、目标特征相近、长宽比偏大等特征，导致红外图像检测效果不佳、分本文档来自技高网...

【技术保护点】

1.一种用于电力设备红外图像的小目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种用于电力设备红外图像的小目标检测方法，其特征在于，所述步骤S1中图像预处理包括图像筛选、裁剪、归一化和去噪操作，所述图像筛选具体是对红外图像进行筛选，去除模糊、损坏或与电力设备无关的图像；

3.根据权利要求1所述的一种用于电力设备红外图像的小目标检测方法，其特征在于，所述改进的YOLOv8-EED模型具体是在YOLOv8的骨干网络末端引入EMA并行注意力模块，用于动态增强目标区域的通道与空间权重；

4.根据权利要求3所述的一种用于电力设备红外图像的小目...

【技术特征摘要】

1.一种用于电力设备红外图像的小目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种用于电力设备红外图像的小目标检测方法，其特征在于，所述步骤s1中图像预处理包括图像筛选、裁剪、归一化和去噪操作，所述图像筛选具体是对红外图像进行筛选，去除模糊、损坏或与电力设备无关的图像；

3.根据权利要求1所述的一种用于电力设备红外图像的小目标检测方法，其特征在于，所述改进的yolov8-eed模型具体是在yolov8的骨干网络末端引入ema并行注意力模块，用于动态增强目标区域的通道与空间权重；

4.根据权利要求3所述的一种用于电力设备红外图像的小目标检测方法，其特征在于，所述改进的yolov8-eed模型包括依次连接的骨干特征提取单元、颈部特征融合单元和检测单元，所述颈部特征融合单元内设置有多个小目标特征增强模块uce，所述小目标特征增强模块uce包括依次连接的上采样模块upsample、拼接模块concat和ec2f模块；

5.根据权利要求4所述的一种用于电力设备红外图像的小目标检测方法，其特征在于，所述小目标特征增强模块uce的工作过程为：将浅层大特征图f浅大与深层特征图f深进行融合，融合过程为：首先对f深进行上采样操作upsample，上采样倍数为m，采用双线性插值法得到f深上采样；

6.根据权利要求4所述的一种用于电力设备红...

【专利技术属性】
技术研发人员：高植淏，刘大明，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：