街景照片里的变压器难检测？改进算法可提升识别准确率！

街景图像是一种都邑街道级别消息地舆大数据，运用街景图像不只或许杀青大界限、高恶果的变压器巡检，还能消重巡检本钱。然而，街景图像中的变压器往往像素少、辞别率低、靠山繁杂，导致现有目的检测设施对变压器的检测精确度不睬思。针对上述题目，成都理工大学地舆与策划学院、成都理工大学地球与行星科学学院的廖方舟、杨晓霞、杨容浩、施琪琦。正在2024年第12期《电气身手》上撰文提出一种修正的YOLOv8算法YOLOv8-WSX。实践结果讲明，相较于YOLOv8，YOLOv8-WSX的F1值提拔了5.9个百分点，IoU阈值为50%时的均匀切确率均值提拔了6.3个百分点，IoU阈值正在50%～95%界限内的均匀切确率均值提拔了3.2个百分点，且模子的参数目有所消重。

电力体系范畴连续扩张，机合日益繁杂，兴盛智能运维身手成为提拔运维恶果的须要措施。电力变压器动作电力体系中主要的电力装备，负责着将高压电能转化为低压电能供住民、工贸易和种种设实践使的症结义务。杀青对变压器场所的识别，不只有助于对变压器运转形态举行及时监测与阻滞报警，还能起到防盗预警用意，从而保障变压器安闲安靖运转。

古代的电力体系爱护使命大凡须要使命职员通过平日或专项巡检来收集电力装备的运转形态，以创造其存正在的缺陷。这种式样不只使命量大、恶果低下，还易发作安闲事变。以是，打算一种高效的检测算法杀青对变压器的智能监测，对进步电力供应的牢靠性和安闲性具有主要意思。

街景图像是都邑街景的一种立体剖面图，它以一种更灵巧化的标准记载从地面上看到或感染到的气象。以往合于电力体系巡检的合连探究往往采用航摄无人机影像，获取本钱较高、易受天色影响，况且受翱翔高度和角度的影响，难以取得灵巧化数据。

而行使街景图像动作数据源，能搜捕到都邑街道的细节消息，有利于提拔算法的检测精确度，通过舆图任职商供应的运用顺序接口，能够便当地获取所需街景图像，从而消重电力体系运维本钱。

古代设施对靠山繁杂的物体特点外达才华弱，检测确切率较低，泛化性较差。跟着深度进修身手的连续兴盛，卷积神经收集正在电气装备检测界限的运用得到了明显结果。卷积神经收集不只能够主动提取图像特点，况且能够用于分歧标准的对象，用户能够依照实质需求挑选合意的卷积神经收集，如YOLO（you only look once）系列算法、SSD（single shot multibox detection）系列算法等。

1）针对模子泛化才华差的题目，本文采用WIoU（wise intersection over union）动作亏损函数，使模子或许矫捷地举行权重调解，有用地处分预测舛误的鸿沟框，巩固模子对不均衡数据集的治理才华。

2）针对繁杂靠山下难以精确检测变压器目的的题目，本文引入空间分组巩固（spatial group-wise enhance, SGE）贯注力机制，巩固模子正在特点提取阶段对中心区域的合切度，从而进步模子的定位精确性并巩固模子对繁杂场景的合适性。

3）针对轻细变压器目的漏检的题目，本文通过删除原有大目的检测头并引入新的轻细目的检测头，提拔模子正在检测轻细变压器目的时的职能。

YOLOv8对隔绝镜头较远、像素较少、辞别率低、靠山繁杂的变压器的检测成绩不睬思，以是本文对YOLOv8的机合举行一系列修正，提出YOLOv8-WSX模子，其机合如图所示。

简直的修正如下：将原CIoU亏损函数替代为WIoU亏损函数，巩固模子对贫苦样本的检测职能，进步模子的定位精确度；正在主干收集中出席SGE模块，进步模子的特点提取才华；删除原大目的检测头，增加一个轻细目的检测头，正在减小模子参数目的同时进步模子的职能。

最先，正在主干收集中引入轻量级SGE贯注力机制，通过天生贯注力因子使收集自立巩固外达才华；其次，将亏损函数替代为WIoU，通过动态分拨合理的梯度增益，消重了街景变压器数据鸠合低质料样本爆发的无益梯度对收集检测职能的影响；终末，将YOLOv8收集的大目的检测头删除，增长了一个轻细目的检测头，使漏检率明显消重。修正后的YOLOv8-WSX较原YOLOv8模子检测职能有所提拔，而且与一阶段检测算法比拟，也具有较明明上风。

本使命结果楬橥正在2024年第12期《电气身手》，论文题目为“ 基于修正YOLOv8的街景图像变压器目的检测 ”，作家为廖方舟、杨晓霞、杨容浩、施琪琦。