轻量级网络识别红外图像中电气设备及其热故障

来源：计算机应用与软件杂志2024年第12期北京时间：

作者：张惊雷, 李婉欣, 赵俊亚, 温显斌

摘要：提出一种适合边缘计算设备的轻量级卷积神经网络（LightweightES）用于识别热像中的电气设备及其异常发热故障。为达到减少模型参数的同时提升检测精度的目标，对经典SSD进行改造，利用MobileNetV3轻量级网络作为特征提取骨干网络，快速高效地提取图像特征；引入高效通道注意模块ECA，提高网络的检测精度；采用软池化(SoftPool)方法以减少池化信息损失，提高网络的分类精度。建立并标注含10 516幅电气设备红外图像的数据集，含电流互感器、避雷器、绝缘子、隔离开关、断路器、套管等6种户外变电站设备。实验结果表明：LightweightES算法mAP达93.8%，较SSD提高了7.5百分点，参数量仅为SSD的1/5，检测帧率达55 FPS，能够实时准确地识别电气设备及其局部温度异常故障，适用于算力有限的智能现场监测终端。

关键词：电气设备红外图像, 目标检测, 轻量级网络, 通道注意, 池化