基于 YOLOv5s 的海上风电设施检测与预警评估

来源：计算机技术与发展杂志2023年第04期北京时间：

作者：朱昭云;张波;叶昭良;黄曙荣;曹卫

单位：1. 盐城工学院 机械工程学院,江苏 盐城 224007;2. 华能海上风电科学技术研究有限公司,江苏 盐城 224045

摘要：海上风电设施检测在海上风电安全监测领域发挥着重要作用。 由于海上环境复杂及海上目标的多样性,现有海上目标检测算法存在网络复杂、检测精度低的问题,难以满足实时性检测和实用性部署要求。 针对该问题,该文提出了一种改进 YOLOv5s 的海上风电设施检测算法。 首先,将 YOLOv5s 的主干网络替换为轻量化 GhostNet 进行特征提取,降低网络模型的参数量和计算量;其次,在主干网络末端和 Neck 层分别施加注意力机制( SENet) ,自适应学习重要通道特征权重,提高检测精度;最后,将 Neck 层的 PANet 结构改进为双向金字塔( BiFPN) ,通过融合不同尺度特征提升检测速度。 实验结果表明,该算法在降低网络模型参数量和计算量的同时,在船舶数据集上平均精度达到了 96. 8% ,比原始 YOLOv5s 网络提升了 2. 6 百分点,检测速度达到了 47 FPS。

关键词：机器视觉;风电设施检测;船舶检测;YOLOv5s;轻量化;注意力机制;双向金字塔