基于改进的CenterNet变电站设备红外温度检测方法

来源：计算机测量与控制杂志2024年第7期北京时间：

作者：张佳钰,蔡泽烽,冯杰

单位：浙江理工大学 计算机科学与技术学院（人工智能学院）

摘要：红外检测能够检测变电站电力设备温度异常，降低安全事故发生的概率，因此，提出一种基于改进的CenterNet目标检测算法模型CenterNet_PRO。该算法采用了ShuffleNet V1/V2作为骨干网络、引入了FPN来提取多尺度特征，为了克服不同尺度目标检测的难点、增加旋转角度回归分支，用于预测目标的旋转角度以及改进的IoU Loss进行优化，进一步提高模型检测速度和准确率。通过阈值分割法提取电力设备表面温度并分析计算，设计制定电力设备温度缺陷判断规范、温度警告阈值，根据该规范即可判断电力设备的相关缺陷。实验结果表明，改进的CenterNet模型平均精度达到了90%，相比于传统的CenterNet模型，平均精度提高了1.3个百分点，可以满足实际变电站场景下对电力设备红外检测的高要求。

关键词：CenterNet;ShuffleNet;电力设备;红外图像温度缺陷检测;提取多尺度特征

基金资助：浙江省大学生科技创新活动计划（新苗人才计划）项目编号：2023R406019