-
题名面向变电站嵌入式设备的指针式仪表识别方法
- 1
-
-
作者
胡欣
刘瑞峰
肖剑
段承志
程鸿亮
罗诗伟
-
机构
长安大学能源与电气工程学院
长安大学电子与控制工程学院
中陕核工业集团陕西二一○研究所有限公司
-
出处
《电子测量与仪器学报》
北大核心
2025年第1期253-263,共11页
-
基金
陕西省秦创原“科学家+工程师”队伍建设项目(2024QCY-KXJ-161)
西安市重点产业链项目(23ZDCYJSGG0013-2023)
咸阳市重点研发计划(L2024-ZDYF-ZDYF-GY-0004)项目资助。
-
文摘
针对变电站嵌入式设备在识别指针式仪表时常面临实时性差以及小目标和密集目标场景漏检的问题,提出了一种基于YOLOv5s-BCGS的变电站指针式仪表识别模型。该模型以YOLOv5s为基础网络,首先在其网络颈部引入协调注意力机制,并将路径聚合网络替换为加权双向特征金字塔网络,以更好地融合特征图中的位置和细节信息,从而增强模型对目标位置和尺寸的敏感性。其次,原网络中的传统卷积被轻量化的幽灵卷积替代,既加快了推理速度,又减小了模型体积。最后,将原网络中的CIoU损失函数替换为SIoU损失函数,提高了模型训练速度并改善了远距离小目标的推理精度。实验结果表明,改进后的模型在自制变电站指针仪表数据集上的表现优于YOLOv5s,mAP0.5提高了2.2%,mAP0.75提高了3.8%,mAP0.5~0.95提高了6.7%,同时模型体积减少了34.07%。与常用的Faster R-CNN、YOLOv4-tiny、YOLOv7-tiny和YOLOv8n等模型相比,本模型在精度和速度上均具有明显优势,展现了良好的泛化能力和鲁棒性,且模型体积仅为18.0 MB,实现了轻量化部署。在PC和Jetson Xavier NX开发板上的推理速度分别为154.7 FPS和18.7 FPS,能够满足嵌入式设备在变电站指针仪表巡检中的实际工程需求。
-
关键词
变电站
指针式仪表识别
轻量化
协调注意力机制
嵌入式设备
-
Keywords
substation
pointer instrument recognition
lightweight
coordinate attention mechanism
embedded devices
-
分类号
TN98
[电子电信—信息与通信工程]
TH865
[机械工程—精密仪器及机械]
-
