Wear-YOLO：变电站电力人员安全装备检测方法研究

来源：计算机工程与应用杂志2024年第9期北京时间：

作者：王茹, 刘大明, 张健

单位：1.上海电力大学 计算机科学与技术学院，上海 201306；2.中国科学院 等离子体物理研究所 电源及控制工程研究室，合肥 230031

摘要：针对传统变电站电力人员的安全帽、绝缘手套、绝缘鞋等安全装备的目标检测算法精度低，泛化性差，尤其针对是否佩戴绝缘手套检测难的问题，提出了一种改进YOLOv8的变电站电力人员安全装备检测算法Wear-YOLO。为了更好地学习复杂场景的语境信息，将YOLOv8的Backbone部分的C2f（CSP bottleneck with 2 convolutions）模块替换为融合Transformer结构的MobileViTv3模块，捕获长距离依赖关系和上下文信息，并与局部信息相融合，提升模型在变电站场景中特征提取的能力。同时为优化小目标检测效果，引入小目标检测层以增强网络对浅层语义信息的提取，从而提升模型对于未佩戴绝缘手套小目标的检测精度。采用WIoUv3改进边界框回归损失函数，引入动态非单调聚焦机制使得模型更专注于普通质量的锚框，从而提高模型检测的准确率和对于复杂情况的适应能力。实验结果表明，平均检测精度92.1%，对安全帽的检测精度96.8%，对佩戴绝缘手套的检测精度92.1%，对未佩戴绝缘手套的检测精度81.6%，对绝缘鞋的检测精度93.0%，并且在与经典目标检测模型Faster R-CNN、SSD、RetinaNet、YOLOv5的对比实验中具有更好的检测精度和鲁棒性。

关键词：安全装备检测,绝缘手套,YOLO,融合Transformer,损失函数