基于自适应特征融合和注意力机制的变电设备红外图像识别

来源：电子与信息学报杂志2024年第9期北京时间：

作者：王媛彬, 吴冰超

单位：1.西安科技大学电气与控制工程学院 西安 7100542.西安市电气设备状态监测与供电安全重点实验室 西安 710054

摘要：针对变电设备红外图像复杂背景下多目标、小目标及遮挡目标识别效果差的问题，该文提出一种基于中心点网络(CenterNet)的变电设备红外图像识别方法。通过将自适应特征融合模块(ASFF)和特征金字塔(FPN)相结合, 构建ASFF+FPN结构的特征融合网络，增强了模型对多目标和小目标的跨尺度特征融合能力，排除背景信息；针对网络对遮挡目标特征捕捉能力差的问题，在特征融合网络中添加全局注意力机制，增强目标显著度；为实现模型轻量化，引入深度可分离卷积，减少参数量和推理时间；最后，通过引入分布焦点损失函数，克服了原损失函数对遮挡目标敏感性差的问题，提升了模型收敛速度和识别精度。在包含7种红外变电设备图像的自建数据集上进行测试。实验表明该算法与原始算法相比，识别精度提升了3.55%，达到了95.19%，模型参数量仅为32.52M，与4种主流目标识别算法对比，该算法在识别精度和算法复杂度上具有明显优势。

关键词：变电设备, 红外图像识别, 中心点网络, 自适应特征融合, 注意力机制

基金资助：国家自然科学基金(52174198)，陕西省重点研发计划(2023 YBSF-133)，陕西省秦创原科学家+工程师队伍建设(2022KXJ-166)