基于改进YOLOv9的电力设备红外目标检测模型

来源：计算机技术与发展杂志2025年第07期北京时间：

作者：贺强*;刘洋;游鑫;张瑞亮;王玉峰;黄谦;何雨非

单位：1. 中国南方电网有限责任公司超高压输电公司贵阳局,贵州 贵阳 550000;2. 华北电力大学(保定) 电子与通信工程系,河北 保定 071003

摘要：在电力巡检领域,电力设备红外图像检测的重要性不言而喻,其准确性直接关系到电力系统的稳定运行与安全性。 针对当前复杂场景下红外图像目标检测存在的识别精度不足、分类混淆以及漏检误检等问题,该文提出了一种基于 YOLOv9 的改进检测方法。 该方法首先通过引入空间到深度卷积层(SPD-Conv),实现了模型主干网络的轻量化设计,有效提升了计算效率与实时性。 随后,结合卷积块注意力模块(CBAM),进一步优化了模型对关键特征的提取能力,增强了检测的准确性。 此外,还采用 Focal-IoU 作为损失函数,强化了模型的判别能力,减少了定位误差。 实验结果表明,在南方电网电力设备红外数据集上,该算法取得了显著的成效,mAP 值达到了94. 4% ,同时推理速度也达到了59. 5 f/ s,充分展示了该方法在检测精度与计算效率方面的双重优势。 与现有方法相比,该模型在各类电力设备上的检测能力均有所提升,为电力巡检领域提供了一种更为可靠、高效的解决方案。

关键词：电力设备;红外图像检测;YOLOv9算法;注意力机制;轻量化模型;损失函数