关键词:
红外图像
YOLOv11n
过热故障检测
CCFM
C3k2-SAConv
C2BF
摘要:
针对背景复杂的变电站电力设备过热故障红外图像难以检测的问题,提出了改进你只看一次11纳米版(you only look once version 11 nano, YOLOv11n)算法。首先,采用轻量级跨尺度特征融合模块(cross-scale feature fusion module, CCFM)改进原有颈部网络,以实现对特征通道信息的高效整合并降低参数量;其次,引入具有可切换空洞卷积的2次跨阶段3卷积可变核(cross stage partial with three-convolution blocks of variable kernel size two-switchable atrous convolution, C3k2-SAConv)模块替换整个网络的C3k2模块,提升了算法的特征提取能力;最后,使用具有双层路由注意力视觉转换器的跨阶段双卷积(cross stage partial with two convolutions and vision transformer of bi-level routing attention, C2BF)模块替换跨阶段双卷积逐点空间注意力(cross stage partial with two convolutions and pointwise spatial attention, C2PSA)模块,提升了算法在复杂环境下对红外图像的检测准确度。结果表明,相较于原始YOLOv11n算法,改进YOLOv11n算法的参数量减少了22.1%;精确率、召回率、平均精确率均值分别达到91.1%、85.5%、90.9%,各自提升了3.0、2.6、2.8个百分点;检测速度达到128.2帧/s。改进YOLOv11n算法能实现对电力设备过热故障红外图像的有效检测,可满足算法轻量化与实时性检测的要求。