基于嵌入注意力机制的UNet-DB_ECA网络检测金具研究

来源：电子测量技术杂志2022年第20期北京时间：

作者：张 珊，王文爽，刘雪峰

单位：1.青岛科技大学自动化与电子工程学院 青岛 266061; 2.山东省电力公司烟台供电公司互联网部 烟台 264000

摘要：由于电力巡检中所拍摄的电力金具图片数量多，检查工作量大，为了提高电力金具的自动化检测效果，本文基于UNet框架提出了一种UNet-DB_ECA（UNet Dimensionality Reduction, BN, and ECANet, UNet-DB_ECA）网络检测金具的方法。先降低UNet网络宽度，然后在网络中嵌入高效通道注意力机制模块ECANet（Efficient Channel Attention Networks, ECANet）和批量规范化(Batch Normalization, BN)，最后引入了Hard-Swish激活函数，从而构建了UNet-DB_ECA网络。本文使用电力金具检测数据集进行实验，实验结果表明本文所提出的方法检测效果良好，与UNet网络检测效果相比，在提升检测效果的同时也兼顾了算法性能。此外，电力金具检测数据集中包含七类形状不同的金具类型，另一方面也表明本文所提方法具有较好泛化能力，因此该方法在电力金具自动化检测方面具有一定的应用前景。

关键词：深度学习、UNet网络、注意力机制、电力金具、智能巡检

基金资助：国家自然科学基金(61971253)项目资助；山东省自然科学基金(ZR201910300033)项目资助