复杂背景条件下的电气设备图像实例分割算法
来源：电子测量技术杂志2024年第1期北京时间：
作者：张志君，张惊雷，贾鑫
单位：1.天津理工大学电气工程与自动化学院 天津 300384; 2.天津市复杂系统控制理论及应用重点实验室 天津 300384; 3.天津理工大学工程训练中心 天津 300384
摘要：变电站巡检拍摄的电气设备可见光图像存在背景杂乱、目标轮廓不规则等特点，造成设备分割精度不高，影响智能巡检系统设备识别效果。基于此，提出一种改进的YOLACT++模型，实现设备目标精确实例分割。首先，设计了电气设备特征提取主干网络DAGNet，提升了网络对复杂背景下重要特征的关注度；同时在原型网络分支引入3D注意力模块SimAM，降低混乱背景对目标分割的干扰。使用某市8个区域58座110 kV变电站和86座35 kV变电站巡检所得避雷器、断路器等6类电气设备的1 730张可见光图像的标记数据集对该模型进行验证，实验结果表明，改进YOLACT++模型分割的APall指标为84.1%，相较原模型提高了4.4%，与YOLACT、Mask R-CNN和YOLOv8模型相比分别高出4.0%、9.3%、1.6%，较好地实现了6类电气设备的识别，可满足电力巡检中准确性和快速性的要求。
关键词：电气设备识别;实例分割;YOLACT++;可见光图像
基金资助：国家自然科学基金青年项目（62302335）资助
