摘要
本发明公开了一种电力设备图像识别安全预警方法及设备,通过改进的YOLO+Transformer模型对预处理后的图像数据进行目标检测,通过引入Transformer模块,利用多头自注意力机制增强目标与背景的区分能力,并结合滑动窗口注意力机制优化局部特征表达,提高复杂环境下的检测稳定性,采用BiFPN特征融合和DLA深层特征聚合优化目标检测,使小目标信息在不同尺度的特征层之间有效传递,从而减少漏检和误检,此外,采用K‑Means++优化Anchor框尺寸,并结合Soft Anchor Assignment策略,使目标匹配更加精准,进一步提升小目标的召回率。
技术关键词
电力设备
预警方法
时间序列分析方法
注意力机制
双向特征金字塔
智能巡检设备
远程监控平台
滑动窗口
预警系统
远程监控模块
预警模块
红外热成像仪
策略
分析缺陷
可读存储介质
检测头
可见光图像
巡检机器人
系统为您推荐了相关专利信息
外观缺陷检测方法
芯片
掩膜
缺陷检测单元
感兴趣
线预警系统
线预警方法
模拟换流变压器
特征参量
放电模型
场景识别方法
点云
多尺度局部特征
编码模块
描述符
电力设备表面
预警方法
时间序列模型
识别电力设备
深度学习模型